Enhanced stability regions for model predictive control of nonlinear process systems
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.
Notice bibliographique
Résumé
Abstract The problem of predictive control of nonlinear process systems subject to input constraints is considered. The key idea in the proposed approach is to use control‐law independent characterization of the process dynamics subject to constraints via model predicative controllers to expand on the set of initial conditions for which closed–loop stability can be achieved. An application of this idea is presented to the case of linear process systems for which characterizations of the null controllable region (the set of initial conditions from where closed–loop stability can be achieved subject to input constraints) are available, but not practically implementable control laws that achieve stability from the entire null controllable region. A predictive controller is designed that achieves closed–loop stability for every initial condition in the null controllable region. For nonlinear process systems, while the characterization of the null controllable region remains an open problem, the set of initial conditions for which a (given) Lyapunov function can be made to decay is analytically computed. Constraints are formulated requiring the process to evolve within the region from where continued decay of the Lyapunov function value is achievable and incorporated in the predictive control design, thereby expanding on the set of initial conditions from where closed–loop stability can be achieved. The proposed method is illustrated using a chemical reactor example, and the robustness with respect to parametric uncertainty and disturbances demonstrated via application to a styrene polymerization process. © 2008 American Institute of Chemical Engineers AIChE J, 2008
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle