Control-oriented dynamic model of an inductively coupled plasma torch by artificial intelligence methodology
Notice bibliographique
Résumé
Abstract Inductively coupled plasma (ICP) torches have been widely used in various materials processing. To improve the control of their processes, there has been a growing demand for simplified numerical models which can rapidly predict the dynamics of plasma jets subject to time-varying inputs or external disturbances. In this paper, control-oriented dynamic models of an ICP torch are developed as an alternative to the complex, high-level 2D time-dependent numerical model (i.e. a model based on magneto-hydrodynamic equations). Prior to model development, the detailed dynamic and nonlinear nature of the ICP torch to its time-varying operation conditions was numerically investigated using a 2D numerical model to gain insight into choosing appropriate dynamic model structures. Linear ARX (AutoRegressive with eXogenous input) and ARX-type neural network models were selected in the model identification, and their parameters or weightings were determined using the input/output data obtained from the 2D time-dependent numerical model. The dynamic behaviours of the ICP torch predicted from the developed models were in good agreement with the data from the 2D time-dependent numerical model. Using the developed models, a simple control system for the plasma temperature and axial velocity regulations was also designed and tested. The feedback control simulations demonstrated good set point tracking and disturbance rejection performances, indicating that the developed approach can be directly applied to the model-based control system design of an ICP torch as well as other thermal plasma torches.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».