MétaCan
Menu
Retour à la cohorte
Enregistrement W4283155739 · doi:10.1002/aic.17812

Model predictive control of a second‐order hyperbolic transport‐reaction process

2022· article· en· W4283155739 sur OpenAlexaff
Guilherme Ozorio Cassol, Stevan Dubljević

Notice bibliographique

RevueAIChE Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueStability and Controllability of Differential Equations
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésModel predictive controlControl theory (sociology)DiscretizationHyperbolic partial differential equationMathematicsObserver (physics)Partial differential equationApplied mathematicsBoundary (topology)Riccati equationMathematical analysisControl (management)Computer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The model predictive controller (MPC) design is developed for a tubular chemical reactor, considering a second‐order hyperbolic partial differential equation as the model of the transport‐reaction process with boundary actuation. Without loss of generality, closed–closed boundary conditions and relaxed total flux are assumed. At the same time, the model is discretized in time by the Cayley–Tustin method, and, under the assumption that only the reactor's output is measurable, the observer design for the state reconstruction is addressed and integrated with the MPC design. The Luenberger observer gain is obtained by solving the operator Ricatti equation in the discrete‐time setting, while the MPC accounts for constrained and optimal control. The simulations show that the output‐based MPC design stabilizes the system under the input and output constraints satisfaction. In addition, to address the models' disparities, the results for both parabolic and hyperbolic equations are presented and discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,642

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,214
Écart entre enseignants0,204 · 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 tête enseignante, 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetStability and Controllability of Differential EquationsTravaux en français237 207