MétaCan
Menu
Retour à la cohorte
Enregistrement W2774780434 · doi:10.1016/j.ejcon.2017.11.004

Optimal tracking control for a class of boundary controlled linear coupled hyperbolic PDE systems: Application to plug flow reactor with temperature output feedback

2017· article· en· W2774780434 sur OpenAlexaff
Xiaodong Xu, Stevan Dubljević

Notice bibliographique

RevueEuropean Journal of Control · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueStability and Controllability of Differential Equations
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Linear-quadratic regulatorBoundary (topology)MathematicsOptimal controlPartial differential equationController (irrigation)Linear-quadratic-Gaussian controlHyperbolic partial differential equationRiccati equationRegulatorQuadratic equationDistributed parameter systemApplied mathematicsMathematical optimizationComputer scienceMathematical analysisControl (management)

Résumé

récupéré en direct d'OpenAlex

This work addresses an optimal linear quadratic (LQ) boundary output regulator design problem for the plug flow reactor described by hyperbolic partial differential equations (PDEs), with actuation applied only at the inlet of the reactor. By applying the weak variational approach, the necessary optimality conditions are provided and then an optimal state feedback controller is presented. In particular, the time-varying state feedback gain is determined by solving Riccati-type PDEs and this work extends the linear quadratic regulator design to the class of boundary controlled hyperbolic PDE systems. Along the line of the LQ design, an optimal boundary tracking regulator is designed such that the output of the considered reaction process tracks the desired reference signal generated by an exosystem. A simulation example is included to show performance 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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
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)0,0010,000

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 GPT0,223
Écart entre enseignants0,211 · 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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of ControlMême sujetStability and Controllability of Differential EquationsTravaux en français237 207