New Approach To Develop Dynamic Gray Box Model for a Plasticating Twin-Screw Extruder
Notice bibliographique
Résumé
The dynamic behaviors of the process variables of a twin screw extruder (TSE) have inherent nonlinearity and time delay. Thus, it is important to develop a process model and furthermore to design controllers based on that model for stable operation. A new approach is explained in this work to develop dynamic gray box models to predict the responses of the process output variables due to change in the screw speed ( N ) for a plasticating TSE. This approach comprises the selection of controlled variables and the development of gray box models relating the selected controlled variables and N . The selection of variables was based on both the steady-state correlation analysis with final product properties and the dynamic considerations. High-density polyethylenes with different melt indices were extruded in a co-rotating TSE in this work. A predesigned random binary sequence type excitation in N was imposed for the dynamic study. Gray box models were developed between two output variables, melt temperature ( T melt ) at die and melt pressure ( P melt ) at die, with N, by incorporating both first principles knowledge of the process and the measured process data using the classical system identification technique. A second-order ARMAX (autoregressive moving average with exogenous input) model was found to be sufficient to capture the dynamic behaviors of T melt when N was changed. However, the dynamic behavior of P melt was modeled by a third-order ARMAX structure. Both models are in agreement with the a priori process information of the TSE.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».