Con la amplia disponibilidad del control predictivo basado en modelos (MPC), su versión no lineal (NMPC) brinda una extensión natural para incluir modelos no lineales para seguimiento de trayectorias y optimización dinámica. El NMPC puede incluir primeros principios desarrollados para estudios dinámicos fuera de línea así como para modelos no lineales orientados por datos, aunque requiere la aplicación de estrategias eficientes de optimización a gran escala para evitar retrasos computacionales y para asegurar estabilidad, robustez y desempeńo superior.
Este estudio presenta la aplicación de la recientemente desarrollada estrategia NMPC de paso avanzado (asNMPC). Este enfoque resuelve el problema de optimización detallada en el fondo (in background) y aplica una actualización en línea basada en la sensibilidad. Se muestran dos estudios de caso: control detallado de destilación y una operación multi-paso para la generación de vapor en una planta de energía. En ambos escenarios se logró un desempeńo eficiente y robusto del controlador con una optimización dinámica no lineal.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Video:
Módulo 13, lección 32. Teoría Lyapunov - II
Artículo:
Sobre los efectos de la modelización de la geometría de fabricación: Hacia el gemelo digital
Artículo:
Determinación autónoma de la órbita para una constelación híbrida
Artículo:
Ecuaciones analíticas para las fuentes de inestabilidad termoacústica y la radiación acústica de la turbulencia en reacción
Artículo:
Perspectivas de los biocombustibles de aviación sostenibles en Brasil
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Software:
Simulación del proceso de extracción sólido-líquido EXTSL