MétaCan
Menu
Retour à la cohorte
Enregistrement W2165353829 · doi:10.1109/acc.2007.4282482

Robust Model Predictive Control of Nonlinear Systems: Handling Rate Constraints

2007· article· en· W2165353829 sur OpenAlex

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

RevueProceedings of the ... American Control Conference/Proceedings of the American Control Conference · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésModel predictive controlControl theory (sociology)Constraint (computer-aided design)Constraint satisfactionNonlinear systemStability (learning theory)Controller (irrigation)Computer scienceMathematical optimizationState (computer science)Work (physics)Robust controlControl (management)Control engineeringEngineeringMathematicsArtificial intelligenceAlgorithmMachine learning

Résumé

récupéré en direct d'OpenAlex

This work considers the problem of stabilization of nonlinear systems subject to rate constraints on the control inputs and constraints on the state and input variables in the presence of uncertainty. We first handle rate constraints within a soft constraints framework. A new robust predictive controller formulation that minimizes rate constraint violation while guaranteeing stabilization and state and input constraints satisfaction from an explicitly characterized stability region is designed. We then derive conditions that allow for guaranteed satisfaction of hard rate constraints. Subsequently, a predictive controller is designed that ensures rate constraints satisfaction when the required conditions are satisfied, relaxing them otherwise to preserve feasibility and robust stability. The implementation of the proposed predictive controllers is illustrated via a chemical reactor 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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,676
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,005
Communication savante0,0000,001
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,214
Écart entre enseignants0,201 · 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