MétaCan
Menu
Retour à la cohorte
Enregistrement W2948391136 · doi:10.1002/cjce.23513

Active disturbance rejection generalized predictive control for a high purity distillation column process with time delay

2019· article· en· W2948391136 sur OpenAlexvenueno aff
Yun Cheng, Zengqiang Chen, Mingwei Sun, Qinglin Sun

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Tianjin CityNational Natural Science Foundation of China
Mots-clésModel predictive controlControl theory (sociology)Fractionating columnIntegratorRobustness (evolution)DistillationProcess controlComputer scienceNonlinear systemProcess (computing)Control (management)Control engineeringEngineeringArtificial intelligenceBandwidth (computing)

Résumé

récupéré en direct d'OpenAlex

High purity distillation processes have been widely used in the chemical industry. These processes have unique characteristics including higher order, nonlinearity, strong coupling, and time delay. In order to overcome these control issues, an active disturbance rejection generalized predictive control strategy is designed for the distillation column with time delay. The strategy combines the structures of both active disturbance rejection control and generalized predictive control. A delayed designed extended state observer can estimate the model uncertainty and external disturbance, and a non‐incremental generalized predictive control is proposed to deal with the integrators with time delay. Therefore, it rejects disturbances well and has the capability of overcoming time delay. The computation load is also less than the generalized predictive control. In the simulation experiments, the proposed strategy is compared with robust control and model predictive control. The results illustrate that the proposed control strategy has improved robustness performance in dealing with model uncertainties, various disturbances, and time delay.

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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,002
Tête enseignante GPT0,162
Écart entre enseignants0,160 · 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetAdvanced Control Systems OptimizationTravaux en français237 207