Kernel EDMD for data-driven nonlinear Koopman MPC with stability guarantees
13. IFAC Symposium on Nonlinear Control Systems (NOLCOS) (Reykjavik, 23.-25.07.2025)
In: IFAC-PapersOnLine, Jg. 59 (2025), Heft 19, S. 478 - 483
2025Konferenz-/Tagungsbeitrag in ZeitschriftOA Diamond
Technische Universität Ilmenau (1992-) » Fakultät für Mathematik und Naturwissenschaften (1992-) » Institut für Mathematik (1992-) » Heisenberg-Professur Optimization Based Control (2019-)
Titel in Englisch:
Kernel EDMD for data-driven nonlinear Koopman MPC with stability guarantees
Konferenz
13. IFAC Symposium on Nonlinear Control Systems (NOLCOS) (Reykjavik, 23.-25.07.2025)
Autor*in:
Bold, LeaTU
- ORCID
-
0009-0000-4897-1648
- SCOPUS
- 57738464400
- Sonstiges
- der Hochschule zugeordnet
korrespondierende*r Autor*in
- GND
- 1164467948
- ORCID
-
0000-0002-8081-5108
- SCOPUS
- 57210935140
- SCOPUS
- 58898430100
- SCOPUS
- 57222168555
- GND
- 1162974796
- ORCID
-
0000-0002-1450-2373
- SCOPUS
- 23101725700
- SCOPUS
- 60057756300
- Sonstiges
- der Hochschule zugeordnet
korrespondierende*r Autor*in
Erscheinungsjahr:
2025
Open-Access-Publikationsweg:
OA Diamond
DBT-ID
Scopus ID
Sprache des Textes:
Englisch
Erschienen in
Herausgebende Einrichtung:
Internationale Förderung für Automatische Lenkung
Erscheinungsort:
Frankfurt ; München [u.a.] ; Laxenburg
Verlag:
Elsevier ; IFAC
Erscheinungsjahr:
2015
Open-Access-Publikationsweg:
Open Access
in:
Jg. 59 (2025), Heft 19, S. 478 - 483
DOI
ISSN
PPN:
ZDB ID
Anmerkung:
Erschienen: 48.2015 -
Anmerkung:
Since 53 (2020), 2: Diamond Open Access - free of charge both for authors and readers. Papers are published under a Creative Commons CC-BY-NC-ND license.
Sprache des Textes:
Englisch
Datenträgertyp:
Online-Ressource
Ressourcentyp:
Text
Access Rights:
Open Access
Peer Reviewed:
Ja
Teil der Statistik:
Nein
Schlagwort, Thema:
Cost controllability ; Data-based control ; Dynamic Mode Decomposition ; Error quantification ; Koopman operator ; Nonlinear predictive control ; Stability of nonlinear systems
Datenträgertyp:
Online-Ressource
Ressourcentyp:
Text
Lizenztyp:
CC BY-NC-ND 4.0
Access Rights:
Open Access
Peer Reviewed:
Ja
Teil der Statistik:
Ja
Abstract in Englisch:
Extended dynamic mode decomposition (EDMD) is a popular data-driven method to predict the action of the Koopman operator, i.e., the evolution of an observable function along the flow of a dynamical system. In this paper, we leverage a recently-introduced kernel EDMD method for control systems for data-driven model predictive control. Building upon pointwise error bounds proportional in the state, we rigorously show practical asymptotic stability of the origin w.r.t. the MPC closed loop without stabilizing terminal conditions. The key novelty is that we avoid restrictive invariance conditions. Last, we verify our findings by numerical simulations.