Model Predictive Control Embedding a Parallel Hybrid Modeling Strategy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This work addresses the problem of implementing a model predictive control (MPC) scheme that embeds a parallel hybrid subspace model as the predictive component of the control strategy. The hybrid model considered here is inspired by the framework proposed by Ghosh et al. (Hybrid Modeling Approach Integrating First-Principles Models with Subspace Identification. Ind. Eng. Chem. Res. 2019, 58, 13533−13543), but it is adapted to make it amenable to online control. In particular, the framework uses a first-principles model and a subspace-based residual model (built with error between the process measurement data and the first-principles output of historical batches) in a parallel fashion. The present manuscript adapts this framework in a way that retains the linearity of the model utilized within the MPC. This is achieved by first building a subspace model (built with output data of the first-principles model) and then appending it with the residual model to have the same parallel hybrid model structure. This linear hybrid MPC is applied on a seeded batch crystallization process to reduce the volume of fines or crystals generated due to nucleation during the crystallization process, while maintaining a desired product quality at batch termination. The closed-loop results using the proposed control methodology are compared with a purely data-driven subspace-based model predictive controller.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle