Multiparametric metamodels for model predictive control of chemical processes
Visualitza/Obre
Multiparametric Metamodels.pdf (1005,Kb) (Accés restringit)
Sol·licita una còpia a l'autor
Què és aquest botó?
Aquest botó permet demanar una còpia d'un document restringit a l'autor. Es mostra quan:
- Disposem del correu electrònic de l'autor
- El document té una mida inferior a 20 Mb
- Es tracta d'un document d'accés restringit per decisió de l'autor o d'un document d'accés restringit per política de l'editorial
10.1016/B978-0-444-63428-3.50161-2
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/107169
Tipus de documentText en actes de congrés
Data publicació2016
EditorElsevier
Condicions d'accésAccés restringit per política de l'editorial
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
This work proposes a Data-Based MultiParametric-Model Predictive Control (DBMPMPC) methodology, which enables simple implementations of explicit MPC in situations when the deep mathematical knowledge required to develop traditional MP-MPC techniques is not available. Additionally, it can also assist in situations when it is difficult to apply traditional MP-MPC, due to the process model complexity or high nonlinearity. The proposed method uses machine learning techniques (Ordinary Kriging (OK), Support Vector Regression (SVR) and Artificial Neural Networks (ANN)), which are trained offline using input-output information. During the online application, the optimal control is calculated through simple interpolations using these multiparametric metamodels, avoiding the need for dynamic optimization. The method is tested with benchmark problems used in the MP-MPC literature. The results show high accuracy and robustness using a simple method, bypassing complex mathematical formulations.
CitacióShokry , A., Dombayci, C., Espuña, A. Multiparametric metamodels for model predictive control of chemical processes. A: European Symposium on Computer Aided Process Engineering. "26th Symposium on Computer Aided Process Engineering". Portorož: Elsevier, 2016, p. 937-942.
ISBN978-0-444-63873-1
Versió de l'editorhttp://www.sciencedirect.com/science/article/pii/B9780444634283501612
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Multiparametric Metamodels.pdf | 1005,Kb | Accés restringit |