Distributed non-cooperative robust economic predictive control for dynamically coupled linear systems.

In this thesis, a tube-based Distributed Economic Predictive Control (DEPC) scheme is presented for a group of dynamically coupled linear subsystems. These subsystems are components of a large scale system and control inputs are computed based on optimizing a local economic objective. Each subsystem is interacting with its neighbors by sending its future reference trajectory, at each sampling time. It solves a local optimization problem in parallel, based on the received future reference trajectories of the other subsystems. To ensure recursive feasibility and a performance bound, each subsystem is constrained to not deviate too much from its communicated reference trajectory. This difference between the plan trajectory and the communicated one is interpreted as a disturbance on the local level. Then, to ensure the satisfaction of both state and input constraints, they are tightened by considering explicitly the effect of these local disturbances. The proposed approach averages over all possible disturbances, handles tightened state and input constraints, while satisfies the compatibility constraints to guarantee that the actual trajectory lies within a certain bound in the neighborhood of the reference one. Each subsystem is optimizing a local arbitrary economic objective function in parallel while considering a local terminal constraint to guarantee recursive feasibility. In this framework, economic performance guarantees for a tube-based distributed predictive control (DPC) scheme are developed rigorously. It is presented that the closed-loop nominal subsystem has a robust average performance bound locally which is no worse than that of a local robust steady state. Since a robust algorithm is applying on the states of the real (with disturbances) subsystems, this bound can be interpreted as an average performance result for the real closed-loop system. To this end, we present our outcomes on local and global performance, illustrated by a numerical example.

Studio, Progettazione e Sviluppo di Applicazioni di Realtà Mista Cooperative

Le esperienze cooperative in realtà mista. Che cosa sono? Quali sono gli scopi dietro il loro sviluppo? Che cosa aspetta uno sviluppatore che si avvicina a questi sistemi? Questa tesi cerca di rispondere a queste domande ponendo sotto esame diverse tecnologie di collocazione molto recente, analizzando un progetto preso come caso di studio e implementato tramite diversi strumenti. Al giorno d’oggi, la sfera della realtà mista/realtà aumentata si sta espandendo sempre di più, arrivando a sfiorare mondi che prima risultavano totalmente scollegati. Il mondo dello sviluppo in ambito gaming è entrato infine in questo panorama grazie alle tante similarità con certi tipi di applicazioni MR. Uno degli strumenti più utilizzati in questo ambito è Unity, un motore grafico utilizzato per creare videogiochi e non solo: in questo progetto si sfrutterà questo ambiente di sviluppo per realizzare una semplice applicazione in realtà mista cooperativa, che permetta quindi l’accesso a più utenti contemporaneamente e la loro interazione. Per farlo, si valuteranno diverse opzioni, in particolare due, Netcode for GameObjects e Photon PUN, provenienti da due ambienti diversi ma entrambe strettamente legate a Unity, cercando di ottenere lo stesso risultato ma con due strade diverse come base per un confronto. Basteranno queste tecnologie o ci vuole ancora altro per la realtà mista? Questo studio trova una base matura e pronta a uscire dal suo guscio? Oppure c’è ancora tanta strada da fare? Sulla base di questo verrà tenuto il confronto, cercando una risposta generale ma concreta. Questa tesi si dividerà in due parti: la parte introduttiva, che fornirà tutti i concetti sulla realtà mista necessari e un panorama sull’ambiente MR in generale. La seconda, invece, servirà a illustrare quali sono le sfide di uno sviluppo in questo mondo, usando un progetto applicativo come soluzione a queste sfide o almeno ad una loro parte.