Data-Driven Multiobjective Predictive Optimal Control of Refining Process With Non-Gaussian Stochastic Distribution Dynamics
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
The fiber length and the Canadian standard freeness (CSF) are two key indices in measuring pulp quality of the refining process with non-Gaussian stochastic distribution dynamics. Among them, it is defective to use the conventional 1-D average fiber length (AFL) as a pulp quality index because the AFL is insufficient to describe the 2-D probability density function (pdf) shaping of fiber length distribution (FLD) with non-Gaussian types. In this article, a data-driven multiobjective predictive optimal control method is proposed to control the 2-D pdf shaping of FLD and the 1-D CSF, simultaneously. First, a radial basis function neural network (RBF-NN) based stochastic distribution model is developed to approximate the 2-D pdf shaping of FLD, and the parameters of RBF basis functions are updated by an iterative learning rule. Then, taking the developed pulp quality models, including the 2-D pdf model of FLD and the model of 1-D CSF as two predictors, a multiobjective predictive controller is designed by solving the nonlinear programming problems with constraints. Then, the stability of the resulted closed-loop system is also analyzed. Ultimately, the industrial experiments demonstrate 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.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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