MétaCan
Menu
Retour à la cohorte
Enregistrement W2315656662 · doi:10.1021/ie503641c

Multi-input–Multi-output (MIMO) Control System Performance Monitoring Based on Dissimilarity Analysis

2014· article· en· W2315656662 sur OpenAlexafffund
Chen Li, Biao Huang, Da Wei Zheng, Feng Qian

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship CouncilShanghai Municipal Education CommissionNational Natural Science Foundation of ChinaMinistry of Science and Technology of the People's Republic of ChinaUniversity of Alberta
Mots-clésCovarianceComputer scienceEigenvalues and eigenvectorsMIMOFractionating columnOrientation (vector space)Control theory (sociology)DistillationColumn (typography)Control (management)Covariance matrixAlgorithmMathematicsArtificial intelligenceStatisticsChemistryChromatography

Résumé

récupéré en direct d'OpenAlex

In this paper, a novel dissimilarity-analysis-based method is proposed to monitor the control performance of multi-input–multi-output systems. The proposed approach detects changes in the orientation and volume of hyper-ellipsoids formed by the covariance matrices via analyzing the eigenvalues of transformed covariance matrices. Furthermore, a new performance index is used to quantify performance change of control systems. Simulation results from a numerical example, the Wood Berry distillation column example, and pilot-scale experiment results all demonstrate the effectiveness of the proposed method.

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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,059
Tête enseignante GPT0,294
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

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

Citations16
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetFault Detection and Control SystemsTravaux en français237 207