Dissertação
{pt_PT=COSMIC: fast closed-form identification from large-scale data for LTV systems leading to optimal spacecraft attitude control} {} EVALUATED
{pt=Apresenta-se um método em forma fechada para identificação de sistemas lineares variantes no tempo a partir de dados, em tempo discreto. O problema de aprendizagem é formulado como um problema de mínimos quadrados regularizado, onde o regularizador promove transições suaves entre instantes de uma trajetória. Além disso, desenvolvemos um algoritmo em forma fechada com garantias de que a solução encontrada é ótima e uma complexidade que varia linearmente com o número de instantes considerados por trajetória. O algoritmo COSMIC atinge o resultado desejado mesmo na presença de grandes volumes de dados, o que não é verdade para solvers de uso generalizado e até para um método de coordinate descent especialmente projetado para este problema. Para provar a viabilidade de aplicação a sistemas reais, começamos por realizar a validação num sistema sintético massa-mola-amortecedor e verificamos que o modelo de sistema estimado pode ser usado para encontrar o controlo ótimo ao longo da trajetória. O nosso algoritmo é ainda implementado num simulador de baixa fidelidade da missão Comet Interceptor da ESA, cujo objetivo exige que as câmaras que leva a bordo estejam apontadas numa direção extremamente precisa. Assim, concluímos que esta tese fornece uma nova e melhor abordagem a técnicas clássicas de identificação de sistemas para sistemas lineares variantes no tempo, provando ainda que o algoritmo desenvolvido é uma base sólida para aplicações na indústria espacial e um passo em frente para a incorporação de algoritmos que beneficiam dos dados num ambiente científico onde as garantias de segurança são essenciais., en=The present work introduces a closed-form method for identification of discrete-time linear time-variant systems from data. We formulate the learning problem as a regularized least squares problem where the regularizer favors smooth solutions within a trajectory. Further, we develop a closed-form algorithm with guarantees of optimality and a complexity that varies linearly with the number of instants considered per trajectory. The COSMIC algorithm achieves the desired result even in the presence of large volumes of data, too large for general purpose solvers and for a specially designed coordinate descent method to reach a valid solution. To prove its applicability to real world systems, we start by performing the validation in synthetic spring-mass-damper systems and guarantee that the estimated system model can be used to find the optimal control path for such systems. Our algorithm was implemented in a Low Fidelity Simulator for a simplified version of the Comet Interceptor mission from \ac{ESA}, that requires precise pointing of the on-board cameras in a fast dynamics environment. Thus, we conclude that this thesis provides a new and better approach to classical system identification techniques for linear time-variant systems, while proving to be a solid base for applications in the Space industry and a step forward to the incorporation of algorithms that leverage data in such a safety-critical scientific environment.}
dezembro 6, 2021, 14:15
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Cláudia Alexandra Magalhães Soares
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar Convidado
