MétaCan
Menu
Retour à la cohorte
Enregistrement W2087553274 · doi:10.1002/acs.771

Performance assessment of level controllers

2003· article· en· W2087553274 sur OpenAlexaff
E. C. Horton, Matthew Foley, K.E. Kwok

Notice bibliographique

RevueInternational Journal of Adaptive Control and Signal Processing · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSmoothingController (irrigation)Variance (accounting)Control theory (sociology)Variable (mathematics)Flow control (data)Computer scienceControl engineeringEngineeringControl (management)MathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract A variety of techniques have been developed for the assessment of industrial control loops. These involve computation of an index which compares some measure of controlled variable performance (e.g. variance of distillate impurity) to the best achievable. Such methods are generally not suitable for the assessment of surge tank level controllers, for which the behaviour of the manipulated effluent flowrate is of greater concern. This paper introduces a flow smoothing performance index for the assessment of surge tank level loops against an averaging level control standard. Several control schemes were evaluated as potential flow smoothing benchmarks through application to simulated, pilot‐plant and industrial data sets. An optimal PI regulator was recommended as the default performance standard for industrial level control loops. A novel feature of this assessment technique is that it not only measures the performance of the installed controller, but also specifies new settings for the PI tuning parameters. Copyright © 2003 John Wiley & Sons, Ltd.

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)0,005
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,251
Écart entre enseignants0,234 · 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

Citations24
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Adaptive Control and Signal ProcessingMême sujetFault Detection and Control SystemsTravaux en français237 207