دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Andreas Völz (auth.)
سری: BestMasters
ISBN (شابک) : 9783658162788, 9783658162795
ناشر: Springer Vieweg
سال نشر: 2016
تعداد صفحات: 60
زبان: German
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب مدل کنترل پیش بینی سیستم های غیر خطی با عدم قطعیت: کنترل، رباتیک، مکاترونیک، مهندسی برق، نرم افزار ریاضیات/روش های محاسباتی مهندسی
در صورت تبدیل فایل کتاب Modellprädiktive Regelung nichtlinearer Systeme mit Unsicherheiten به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدل کنترل پیش بینی سیستم های غیر خطی با عدم قطعیت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
Andreas Völz یکی از همه کارهترین روشهای کنترل برای فرآیندهای فنی را بررسی میکند و نحوه برخورد با عدم قطعیتهای اندازهگیری، تأثیرات محیطی ناشناخته و عدم دقت مدل را نشان میدهد. بر اساس به اصطلاح "تحول بدون بو"، که تاکنون در ارتباط با فیلتر کالمن به طور خاص شناخته شده است، عدم قطعیت ها را می توان با استفاده از مقدار مورد انتظار و ماتریس کوواریانس دینامیک سیستم غیرخطی و وزن در تابع هزینه پیش بینی کرد. نویسنده یک رویکرد جدید برای کنترل مدل-پیشبینی سیستمهای غیرخطی با عدم قطعیتهای تصادفی ارائه میکند و با استفاده از چندین سیستم نمونه، میتواند نشان دهد که محدودیتها را میتوان به طور قابل اعتماد حتی در حضور عدم قطعیتها مشاهده کرد.
Andreas Völz untersucht eines der vielseitigsten Regelungsverfahren für technische Prozesse und zeigt den Umgang mit Messunsicherheiten, unbekannten Umwelteinflüssen sowie Modellungenauigkeiten auf. Basierend auf der sogenannten ‚Unscented-Transformation‘, die bislang insbesondere im Zusammenhang mit der Kalman-Filterung ein Begriff ist, können Unsicherheiten mithilfe des Erwartungswertes und der Kovarianzmatrix der nichtlinearen Systemdynamik prädiziert und im Kostenfunktional gewichtet werden. Der Autor stellt einen neuen Ansatz für die modellprädiktive Regelung nichtlinearer Systeme mit stochastischen Unsicherheiten vor und kann anhand mehrerer Beispielsysteme nachweisen, dass Beschränkungen auch in Gegenwart von Unsicherheiten zuverlässig eingehalten werden können.
Front Matter....Pages I-IX
Einleitung....Pages 1-2
Modellprädiktive Regelung....Pages 3-10
Regelung mit Unsicherheiten....Pages 11-22
Unscented MPC....Pages 23-37
Evaluation....Pages 39-49
Zusammenfassung....Pages 51-51
Back Matter....Pages 53-55