MétaCan
Menu
Retour à la cohorte
Enregistrement W2693786534

A mixed-integer programming approach to networked control systems

2008· article· en· W2693786534 sur OpenAlexaff
Guofeng Zhang, Xiang Chen, Tongwen Chen

Notice bibliographique

RevueInternational Journal of Numerical Analysis and Modeling · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensUniversity of AlbertaUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésModel predictive controlControl theory (sociology)Controller (irrigation)ConvexityPiecewiseMathematicsMathematical optimizationConvex optimizationTransmission (telecommunications)Positive systemsComputer scienceRegular polygonLinear systemControl (management)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper studies the problem of controller design for networked control systems regulated by a network data transmission protocol proposed in [50]. In this framework, the plant is first formulated as a mixed logical dynamical (MLD) system, then model predictive control (MPC) based on the mixed-integer programming is adopted to design a controller to guarantee certain control performance. It is shown that the solvability of the finite-horizon MPC is not equivalent to that of the infinite-horizon MPC, which is normally true for most existing MPC methods. The non-convexity feature of this type of networked control systems rules out explicit piecewise affine controllers that are designable for linear convex control systems. Notwithstanding these diffculties, controller design is still feasible due to the special nature of the data transmission strategy, i.e., only a small number of logic values are involved. Furthermore, control of higher-order systems and tracking of more complicated signals can be readily dealt with using this new approach. Two examples are presented to illustrate the strength of the proposed approach.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,233
Écart entre enseignants0,214 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Numerical Analysis and ModelingMême sujetAdvanced Control Systems OptimizationTravaux en français237 207