MétaCan
Menu
Retour à la cohorte
Enregistrement W2903707240 · doi:10.1016/j.ifacol.2018.11.397

Optimal Boundary Control for Selective Catalytic Reduction Distributed Parameter Model

2018· article· en· W2903707240 sur OpenAlexaff
Ahmed Aksikas, Ilyasse Aksikas, Robert E. Hayes, Fraser Forbes

Notice bibliographique

RevueIFAC-PapersOnLine · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueStability and Controllability of Differential Equations
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRiccati equationOdeControl theory (sociology)Decoupling (probability)Reduction (mathematics)Quadratic equationModel order reductionApplied mathematicsState-space representationMathematicsOptimal controlRepresentation (politics)Boundary value problemMathematical optimizationComputer sciencePartial differential equationMathematical analysisControl (management)AlgorithmControl engineering

Résumé

récupéré en direct d'OpenAlex

This paper is devoted to design a model-based boundary optimal controller for selective catalytic reduction system. The mathematical model consists of coupled parabolic-hyperbolic PDEs with an ODE. The main objective is to manipulate the ammonia gas at the inlet of the SCR in order to reduce the amount of NOx and ammonia slip as much as possible. The augmented infinite-dimensional state space representation has been used in order to solve the corresponding linear-quadratic control problem. The dynamical properties of both the linearized system and its augmented version have been studied. Under some technical conditions, it has been shown that the augmented system generates an exponentially stabilizable and detectable C0-semigroups. The linear-quadratic control problem has been solved for the augmented system. A decoupling technique has been implemented to decouple and solve the corresponding Riccati equation. An algorithm has been developed to describe the steps of solving the Riccati equation. Numerical simulations for the closed-loop system have been implemented to show the controller performances. - 2018

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,509
Score d'incertitude au seuil0,918

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,244
Écart entre enseignants0,229 · 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.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFAC-PapersOnLineMême sujetStability and Controllability of Differential EquationsTravaux en français237 207