<scp>DBFact</scp> : A better approach to calculate the minimum variance control law for nonminimum phase <scp>MIMO</scp> systems
Notice bibliographique
Résumé
Abstract This paper presents the diagonal with Blaschke products factorization (DBFact) approach to factor out multivariable time delay and nonminimum phase zeros from multi‐input multi‐output (MIMO) systems. Based on that, a new output‐order independent minimum variance (MV) control law for MIMO systems is proposed. The DBFact method is a two‐step factorization procedure, relying on the diagonal and Blaschke factorization methods. This method has the advantage of being a direct and non‐iterative procedure. This new factorization approach allows the calculation of an MV control law considering the multivariable time delay as a limiting‐performance factor and the nonminimum phase zeros and their corresponding directions. Based on the proposed MV control law, a performance benchmark is introduced, which can be calculated by the DBFact filters and routine operating data. The DBFact methodology was applied to two control structures of the linear plant model of Linde's heat integrated air separation, in which the MV control law output‐order dependency property and the suitability of the performance benchmark were evaluated. Some results were compared with those obtained by admitting the generalized interactor matrix instead of the DBFact filters. The results show the capability of the DBFact methodology to factor the nonminimum phase terms to provide a reliable MIMO controller performance benchmark and illustrate the importance of considering the nonminimum phase zeros and their actual directionality in the MV control law.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».