MétaCan
Menu
Retour à la cohorte
Enregistrement W158772406 · doi:10.1007/978-1-4612-0077-2_11

Robust H∞ and Guaranteed Cost Control for Jump Linear Systems with Time Delay

2002· book-chapter· en· W158772406 sur OpenAlexaff
El‐Kébir Boukas, Zi-Kuan Liu

Notice bibliographique

RevueBirkhäuser Boston eBooks · 2002
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésRobustness (evolution)Control theory (sociology)Linear systemRobust controlMarkov chainComputer scienceNonlinear systemMathematical optimizationBounded functionControl systemMathematicsControl (management)Engineering

Résumé

récupéré en direct d'OpenAlex

The linear Markov jump model that is usually used in the analysis and design phases is an approximation of a real nonlinear system with Markov jumps in the neighborhood of the operating point. For many reasons well known in the control community, the systems parameters and the operating point change with time and therefore, the fixed linear Markov jump model is not adequate to guarantee robustness of system performance. Besides this, the system can be affected by exogenous disturbances, which will make the degradation worse. To overcome this surprise, the control engineer should take care of these uncertainties and exogenous disturbances during the analysis and design phases to guarantee the required stability and other system performance, despite the presence of uncertainties in the system. The results presented so far for the class of linear systems with Markov jumps and time delay are not adequate to guarantee the robustness of the desired performance. The robust H∞ control problem was developed to maintain robustness of stability and performance when it known algorithms lack robustness, that is, the system parameters have uncertainties. This chapter deals with the robust H∞ control and the guaranteed cost control problems for jump linear systems with norm-bounded uncertainties and time delay. The rest of the chapter is organized as follows.we deal with the robust H∞ control problem. considers he guaranteed cost control problem. we cover the output feedback guaranteed cost control problem.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,598
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,183
Écart entre enseignants0,168 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBirkhäuser Boston eBooksMême sujetAdvanced Control Systems OptimizationTravaux en français237 207