Ontwikkeling van modelmatige controllers voor betere systeemprestaties
Door middel van tools ondersteunen we machinebouwers om op efficiënte wijze beter presterende controllers voor hun producten te ontwikkelen. Steunend op onze ervaring in het combineren van theorie en toepassingsinzichten maken we gebruik van modelgebaseerde technologieën. Hierdoor kunnen we onze kennis over de dynamiek van aandrijfsystemen benutten om real-time, optimaal presterende controllers te ontwikkelen.

Wat bieden we aan?
In de zoektocht naar lichtere, snellere, sterkere of energie-efficiëntere producten ontstaan in verschillende fasen van het productontwikkelingsproces aanzienlijke optimalisatieproblemen: bijv. op het vlak van modellering, parameterinschatting en optimale controle.
Bedrijven die erin slagen om deze problemen op efficiënte wijze op te lossen, hebben een belangrijk strategisch voordeel. We helpen hen om sneller een werkend controllerprototype te ontwikkelen, geven advies over hoe ze de meest geavanceerde rekenkundige efficiëntie kunnen bereiken en bieden ondersteuning bij het creëren van een duurzame en toch flexibele controlesoftware-oplossing. Ons aanbod bestaat uit:
- modellering en modelidentificatie van de dynamiek van het aandrijfsysteem;
- selectie van controllertype;
- modelmatig ontwerp en fijne afstelling van controllers;
- ontwikkeling van een zelflerende of adaptieve controller indien dit nodig is voor de specifieke toepassing;
- ontwikkeling van optimale controller;
- versneld testen en valideren van de controller.
Onze unieke software
We maken in dit proces gebruik van verschillende unieke softwaretools:
- Toolbox voor lineaire controle
- Toolbox voor zelflerende controle
- Toolbox voor contextinschatting en adaptieve controle
- Toolbox voor trillings-/geluidsbeheersing
- Toolbox voor niet-lineaire optimalisatie en algoritmische differentiatie
- Toolbox voor co-design van optimaal aandrijfsysteem
- Toolbox voor ontwerp van nokken
- Dynamische programmeertoolbox voor optimalisatie, inclusief discrete variabelen
- Optimale offline en online trajectplanning voor AGV's, drones, ...
- Toolbox voor validatie van controllers
Getuigenis uit de praktijk
DUCO energie systemen zijn efficiënter dankzij machinaal leren en een geavanceerd controlesysteem.
Probleem
Duco contacteerde ons om te onderzoeken in hoeverre hun DucoBox Eco beter zou kunnen inspelen op de comfortwensen van eigenaars en de wisselende klimaatomstandigheden in hun woningen.
Oplossing
We gebruikten onze expertise voor de implementatie van een geavanceerde controlestrategie. Het nieuwe algoritme maakt gebruik van modellen van de Duco-systemen, de bewoners en het huis. Zo voorspellen we de impact van de verschillende controleacties op het comfort, de kosten en het energieverbruik. Onze expertise op het gebied van machinaal leren werd ook toegepast om de impact van het energieverbruik van de bewoners te analyseren.
Toegevoegde waarde voor de klant
Dankzij deze studie kan Duco bepalen hoeveel energie en kosten een gezin kan besparen door de installatie van een DucoBox Eco-ventilatiewarmtepomp, zowel in een volledig elektrische als in een hybride opstelling. De bijbehorende analyses en de nieuwe controletechnieken zullen ook worden toegepast op toekomstige Duco-systemen.