MétaCan
Menu
Retour à la cohorte
Enregistrement W2074472778 · doi:10.1109/tim.2014.2310093

Analysis and Compensation of Delays in FF H1 Fieldbus Control Loop Using Model Predictive Control

2014· article· en· W2074472778 sur OpenAlexafffund
Xiang Yu, Jin Jiang

Notice bibliographique

RevueIEEE Transactions on Instrumentation and Measurement · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFieldbusModel predictive controlControl theory (sociology)Compensation (psychology)Foundation Fieldbus H1Control engineeringControl systemNetworked control systemTest benchPID controllerEngineeringTransmission (telecommunications)Controller (irrigation)Feedback loopFOUNDATION fieldbusComputer scienceControl (management)Temperature control

Résumé

récupéré en direct d'OpenAlex

In this paper, delays in data acquisition, conversion, and transmission of measurements in Foundation Fieldbus channels are analyzed in detail. The bounds for these delays are established. For measurements used in open-loop applications (e.g. monitoring), proper time calibration of the received signals should be made to consider the delays. However, if the measurements are intended for feedback control purposes, appropriate compensation schemes have to be used to reduce the effects of the delays. Thus, for feedback control, sources of delay for a Foundation Fieldbus (FF) H1 network and DeltaV Distributed Control System (DCS) are identified and analyzed. A model predictive control (MPC) scheme is developed to compensate the delays. The effectiveness of the proposed scheme is demonstrated on a test bench consisting of industrial grade FF H1 devices and a controller under different network parameter configuration (hence, different delays). It is demonstrated that the MPC is a viable solution to compensate network induced delays in industrial control systems.

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)0,002
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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,203 · 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

Citations11
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Instrumentation and MeasurementMême sujetAdvanced Control Systems OptimizationTravaux en français237 207