MétaCan
Menu
Retour à la cohorte
Enregistrement W1988980348 · doi:10.1109/cdc.2013.6760860

Closed-loop subspace projection based state-space model-plant mismatch detection and isolation for MIMO MPC performance monitoring

2013· article· en· W1988980348 sur OpenAlex
Jingyan Chen, Jie Yu, Junichi Mori

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSubspace topologyMIMOModel predictive controlControl theory (sociology)Computer scienceMultivariable calculusState-space representationProjection (relational algebra)Controller (irrigation)Isolation (microbiology)State spaceControl engineeringEngineeringControl (management)Artificial intelligenceAlgorithmMathematicsChannel (broadcasting)Statistics

Résumé

récupéré en direct d'OpenAlex

In multivariate model predictive control (MPC) systems, the quality of multi-input multi-output (MIMO) plant models has significant impact on the controller performance in different aspects. Though re-identification of plant models can improve model quality and prediction accuracy, it is very time consuming and economically expensive in industrial practice. Therefore, the automatic detection and isolation of the model-plant mismatch is highly desirable to monitor and improve MPC performance. In this paper, a new closed-loop MPC performance monitoring approach is proposed to detect model-plant mismatch within state-space formulations through subspace projections and statistical hypothesis testing. A monitoring framework consisting of three quadratic indices is developed to capture model-plant mismatches precisely. The validity and effectiveness of the proposed method is demonstrated through a paper machine headbox control example.

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.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,744

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,197
Écart entre enseignants0,188 · 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

En bref

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Control Systems OptimizationTravaux en français237 207