MétaCan
Menu
Retour à la cohorte
Enregistrement W3004516393 · doi:10.3390/pr8020181

A Retrofit Hierarchical Architecture for Real-Time Optimization and Control Integration

2020· article· en· W3004516393 sur OpenAlexaff
Xiaochen Li, Lei Xie, Xiang Li, Hongye Su

Notice bibliographique

RevueProcesses · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueExtremum Seeking Control Systems
Établissements canadiensQueen's University
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésProcess (computing)Control theory (sociology)Computer scienceScheme (mathematics)Key (lock)Control (management)Mathematical optimizationControl engineeringEngineeringMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

To achieve the optimal operation of chemical processes in the presence of disturbances and uncertainty, a retrofit hierarchical architecture (HA) integrating real-time optimization (RTO) and control was proposed. The proposed architecture features two main components. The first is a fast extremum-seeking control (ESC) approach using transient measurements that is employed in the upper RTO layer. The fast ESC approach can effectively suppress the impact of plant-model mismatch and steady-state wait time. The second is a global self-optimizing control (SOC) scheme that is introduced to integrate the RTO and control layers. The proposed SOC scheme minimizes the global average loss based on the approximation of necessary conditions of optimality (NCO) over the entire operating region. A least-squares regression technique was adopted to select the controlled variables (CVs) as linear combinations of measurements. The proposed method does not require the second order derivative information, therefore, it is numerically more reliable and robust. An exothermic reaction process is presented to illustrate the effectiveness of the proposed method.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,008
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetExtremum Seeking Control SystemsTravaux en français237 207