This thesis proposes an online monitoring concept for Model Reference Adaptive Controllers, which aims at the detection of imminent state requirement violation. This is achieved by leveraging Gaussian Mixture Models predicting the evolution of the state trajectories. The uncertainty is estimated by a Gaussian Process, which is inferred using online gathered data. The proposed monitoring concept is demonstrated in numerical simulation as well as applied to multirotor systems in experiment.
Übersetzte Kurzfassung:
Diese Arbeit stellt ein online Monitoring Konzept für Model Reference Adaptive Control vor, das Verletzungen von Anforderungen in der nahen Zukunft frühzeitig detektieren soll. Das Konzept prädiziert die Verteilungen der Systemzustände mit Hilfe von Gaussian Mixture Modellen. Die Modellunsicherheit wird durch einen Gauß’schen Prozess mit Hilfe online aufgezeichneter Daten geschätzt. Das Konzept wird mit Hilfe numerischer Simulation und der Applikation auf Multirotorsysteme evaluiert.