توضیحات
A predictive control algorithm uses a model of the controlled system to predict the system behavior for various input scenarios and determines the most appropriate inputs accordingly. Predictive controllers are suitable for a wide range of systems; therefore, their advantages are especially evident when dealing with relatively complex systems, such as nonlinear, constrained, hybrid, multivariate systems etc. However, designing a predictive control strategy for a complex system is generally a difficult task, because all relevant dynamical phenomena have to be considered. Establishing a suitable model of the system is an essential part of predictive control design. Classic modeling and identification approaches based on linear-systems theory are generally inappropriate for complex systems; hence, models that are able to appropriately consider complex dynamical properties have to be employed in a predictive control algorithm.
This book first introduces some modeling frameworks, which can encompass the most frequently encountered complex dynamical phenomena and are practically applicable in the proposed predictive control approaches. Furthermore, unsupervised learning methods that can be used for complex-system identification are treated. Finally, several useful predictive control algorithms for complex systems are proposed and their particular advantages and drawbacks are discussed. The presented modeling, identification and control approaches are complemented by illustrative examples. The book is aimed towards researches and postgraduate students interested in modeling, identification and control, as well as towards control engineers needing practically usable advanced control methods for complex systems.
————————————————————–
ترجمه ماشینی :
یک الگوریتم کنترل پیشبینیکننده از مدلی از سیستم کنترلشده برای پیشبینی رفتار سیستم برای سناریوهای ورودی مختلف استفاده میکند و بر این اساس مناسبترین ورودیها را تعیین میکند. کنترل کننده های پیش بینی برای طیف وسیعی از سیستم ها مناسب هستند. بنابراین، مزایای آنها به ویژه در هنگام برخورد با سیستمهای نسبتاً پیچیده، مانند سیستمهای غیرخطی، محدود، ترکیبی، چند متغیره و غیره مشهود است. در نظر گرفته شود. ایجاد یک مدل مناسب از سیستم یک بخش اساسی از طراحی کنترل پیش بینی است. مدلسازی کلاسیک و رویکردهای شناسایی مبتنی بر تئوری سیستمهای خطی معمولاً برای سیستمهای پیچیده نامناسب هستند. از این رو، مدل هایی که قادر به در نظر گرفتن مناسب خواص دینامیکی پیچیده هستند باید در یک الگوریتم کنترل پیش بینی به کار گرفته شوند.
این کتاب ابتدا برخی از چارچوبهای مدلسازی را معرفی میکند که میتوانند متداولترین پدیدههای دینامیکی پیچیده را در بر گیرند و عملاً در رویکردهای کنترل پیشبینی پیشنهادی قابل اجرا هستند. علاوه بر این، روشهای یادگیری بدون نظارت که میتوانند برای شناسایی سیستم پیچیده مورد استفاده قرار گیرند، درمان میشوند. در نهایت، چندین الگوریتم کنترل پیشبینی مفید برای سیستمهای پیچیده پیشنهاد شده و مزایا و معایب خاص آنها مورد بحث قرار میگیرد. مدلسازی، شناسایی و رویکردهای کنترل ارائه شده با مثالهای گویا تکمیل میشوند. هدف این کتاب برای پژوهشگران و دانشجویان تحصیلات تکمیلی علاقهمند به مدلسازی، شناسایی و کنترل و همچنین مهندسین کنترلی است که به روشهای کنترل پیشرفته عملاً قابل استفاده برای سیستمهای پیچیده نیاز دارند.
tag : دانلود کتاب رویکردهای پیش بینی برای کنترل سیستم های پیچیده , Download رویکردهای پیش بینی برای کنترل سیستم های پیچیده , دانلود رویکردهای پیش بینی برای کنترل سیستم های پیچیده , Download Predictive Approaches to Control of Complex Systems Book , رویکردهای پیش بینی برای کنترل سیستم های پیچیده دانلود , buy رویکردهای پیش بینی برای کنترل سیستم های پیچیده , خرید کتاب رویکردهای پیش بینی برای کنترل سیستم های پیچیده , دانلود کتاب Predictive Approaches to Control of Complex Systems , کتاب Predictive Approaches to Control of Complex Systems , دانلود Predictive Approaches to Control of Complex Systems , خرید Predictive Approaches to Control of Complex Systems , خرید کتاب Predictive Approaches to Control of Complex Systems ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.