MétaCan
Menu
Retour à la cohorte
Enregistrement W2043589982 · doi:10.1243/09596518jsce562

Design of a performance-adaptive proportional—integral—derivative controller for stochastic systems

2008· article· en· W2043589982 sur OpenAlexaff
Toru Yamamoto, Yoshihiro Ohnishi, Sirish L. Shah

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part I Journal of Systems and Control Engineering · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPID controllerControl theory (sociology)Linear-quadratic-Gaussian controlController (irrigation)GaussianDerivative (finance)Quadratic equationComputer scienceSystem identificationProcess (computing)MathematicsMathematical optimizationControl (management)Optimal controlControl engineeringEngineeringTemperature controlData miningMeasure (data warehouse)PhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In order to manufacture high-quality products it is necessary to regularly monitor the performance of the control loops that regulate the quality variables of interest. This paper describes a design scheme of performance-adaptive controllers which are based on the above control strategy. According to the proposed control scheme, the output prediction error is monitored regularly and system identification is initiated if this error exceeds a user-defined threshold. Subsequently proportional—integral—derivative (PID) parameters are updated for the new model. Optimal PID parameters are calculated based on the linear quadratic Gaussian (LQG) trade-off curve obtained for the reidentified process model. The behaviour of the proposed control scheme is numerically evaluated by some simulation examples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,188
Écart entre enseignants0,172 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations21
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part I Journal of Systems and Control EngineeringMême sujetFault Detection and Control SystemsTravaux en français237 207