MétaCan
Menu
Retour à la cohorte
Enregistrement W4386222046 · doi:10.1002/jctb.7506

Active disturbance rejection control: an application to continuous microalgae photobioreactors

2023· article· en· W4386222046 sur OpenAlexaff
Viyils Sangregorio‐Soto, Gianfranco Mazzanti, John Cortés‐Romero, Claudia L. Garzón‐Castro

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensDalhousie University
Organismes subventionnairesUniversidad de La Sabana
Mots-clésPhotobioreactorControl theory (sociology)Process (computing)Chlorella vulgarisIsochrysis galbanaControl engineeringEngineeringComputer scienceControl (management)Biochemical engineeringBiomass (ecology)EcologyBiologyAlgaeArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND Mathematical modelling is a widely employed approach for investigating the growth behaviour of microalgae. As a result, the development of model‐based controllers to regulate process variables has garnered increasing attention. However, despite the significant efforts invested in this area, control performance can be adversely affected by unmodelled dynamics and disturbances. RESULTS Two active disturbance rejection controllers (ADRC) were designed to enable robust tracking of biomass concentration in continuous microalgae photobioreactors, with reduced reliance on the mathematical model of the system. The controllers were tuned to achieve a nonovershoot response and minimize settling time based on the culture's characteristics. Simulations were performed using optimal setpoints specific to each model. The results showcased a maximum output signal deviation of ±2.2%, ±7.8% and ± 7.62% for the Dunaliella tertiolecta , Isochrysis affinis galbana and Chlorella vulgaris models, respectively, regardless of the presence of simulated disturbances. CONCLUSIONS The findings of this study significantly contribute to the advancement of the field of sustainable microalgae production. By introducing less dependent model‐based controllers, this research enhances the feasibility of implementing robust control strategies. These controllers require only knowledge of the equation system's order and the control gain function, simplifying the design process. This approach effectively addresses control performance degradation arising from unmodelled dynamics and disturbances. The ability to maintain desired process variables through ADRC controllers not only ensures improved control performance, but also supports the cultivation of specific microalgal species, when an accurate model is not available, thus promoting the overall progress and viability of microalgae biomass production. © 2023 Society of Chemical Industry.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,236
Écart entre enseignants0,230 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetAlgal biology and biofuel productionTravaux en français237 207