Dynamic Modeling, Predictive Control and Performance Monitoring: A Data-driven Subspace Approach
Dynamic Modeling, Predictive Control and Performance Monitoring: A Data-driven Subspace Approach
复制标题
DOI：
--
复制
发表时间：
2008-04
期刊：
影响因子：
--
通讯作者：
Biao Huang;R. Kadali
中科院分区：
文献类型：
--
作者：
Biao Huang;R. Kadali
I 通过子空间识别进行动态建模。- 系统识别：传统方法。- 开环子空间识别。- 闭环子空间识别。- 使用闭环数据识别动态矩阵和噪声模型。- II 预测控制。- 模型预测控制：传统方法。- 数据驱动的子空间预测控制方法。- III 控制性能监测。- 控制环性能评估：传统方法。- 最先进的方法 MPC 性能监控。- MIMO 反馈控制性能评估的子空间方法。- 反馈控制性能评估的预测误差方法。- 使用来自闭环数据的 LQG 基准进行性能评估。
I Dynamic Modeling through Subspace Identification.- System Identification: Conventional Approach.- Open-loop Subspace Identification.- Closed-loop Subspace Identification.- Identification of Dynamic Matrix and Noise Model Using Closed-loop Data.- II Predictive Control.- Model Predictive Control: Conventional Approach.- Data-driven Subspace Approach to Predictive Control.- III Control Performance Monitoring.- Control Loop Performance Assessment: Conventional Approach.- State-of-the-art MPC Performance Monitoring.- Subspace Approach to MIMO Feedback Control Performance Assessment.- Prediction Error Approach to Feedback Control Performance Assessment.- Performance Assessment with LQG-benchmark from Closed-loop Data.