國立虎尾科技大學 |

Modellprädiktive Regelung nichtlinearer Systeme mit Unsicherheiten

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	Modellprädiktive Regelung nichtlinearer Systeme mit Unsicherheiten/ von Andreas Völz.
作者:	Völz, Andreas.
面頁冊數:	IX, 55 S. 7 Abb.online resource. :
Contained By:	Springer Nature eBook
標題:	Control engineering. -
電子資源:	https://doi.org/10.1007/978-3-658-16279-5
ISBN:	9783658162795

Modellprädiktive Regelung nichtlinearer Systeme mit Unsicherheiten
Völz, Andreas.

Modellprädiktive Regelung nichtlinearer Systeme mit Unsicherheiten[electronic resource] /von Andreas Völz. - 1st ed. 2016. - IX, 55 S. 7 Abb.online resource. - BestMasters,2625-3577. - BestMasters,.

Modellprädiktive Regelung -- Regelung mit Unsicherheiten -- Unscented Model Predictive Control (UMPC) -- Untersuchung des Rechenaufwandes.

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. Der Inhalt Modellprädiktive Regelung Regelung mit Unsicherheiten Unscented Model Predictive Control (UMPC) Untersuchung des Rechenaufwandes Die Zielgruppen Dozierende und Studierende aus den Fachgebieten Mathematik, Regelungstechnik, Automatisierungstechnik, Elektrotechnik Ingenieure und Ingenieurinnen mit den Schwerpunkten Regelungstechnik und Automatisierungstechnik Der Autor Andreas Völz absolvierte von 2009 bis 2014 das Bachelor- und Masterstudium der Informationssystemtechnik an der Universität Ulm. Seit 2014 ist er dort als akademischer Mitarbeiter und Doktorand am Institut für Mess-, Regel- und Mikrotechnik auf dem Gebiet der Robotik beschäftigt.

ISBN: 9783658162795

Standard No.: 10.1007/978-3-658-16279-5doiSubjects--Topical Terms:

1249728
Control engineering.

LC Class. No.: TJ210.2-211.495

Dewey Class. No.: 629.8

Modellprädiktive Regelung nichtlinearer Systeme mit Unsicherheiten
LDR:02887nam a22003855i 4500 001 976892
003 DE-He213
005 20200712090920.0
007 cr nn 008mamaa
008 201211s2016 gw | s |||| 0|ger d
020 $a 9783658162795 $9 978-3-658-16279-5
024 7 $a 10.1007/978-3-658-16279-5 $2 doi
035 $a 978-3-658-16279-5
050 4 $a TJ210.2-211.495
050 4 $a TJ163.12
072 7 $a TJFM $2 bicssc
072 7 $a TEC004000 $2 bisacsh
072 7 $a TJFM $2 thema
072 7 $a TJFD $2 thema
082 0 4 $a 629.8 $2 23
100 1 $a Völz, Andreas. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1270793
245 1 0 $a Modellprädiktive Regelung nichtlinearer Systeme mit Unsicherheiten $h [electronic resource] / $c von Andreas Völz.
250 $a 1st ed. 2016.
264 1 $a Wiesbaden : $b Springer Fachmedien Wiesbaden : $b Imprint: Springer Vieweg, $c 2016.
300 $a IX, 55 S. 7 Abb. $b online resource.
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
347 $a text file $b PDF $2 rda
490 1 $a BestMasters, $x 2625-3577
505 0 $a Modellprädiktive Regelung -- Regelung mit Unsicherheiten -- Unscented Model Predictive Control (UMPC) -- Untersuchung des Rechenaufwandes.
520 $a 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. Der Inhalt Modellprädiktive Regelung Regelung mit Unsicherheiten Unscented Model Predictive Control (UMPC) Untersuchung des Rechenaufwandes Die Zielgruppen Dozierende und Studierende aus den Fachgebieten Mathematik, Regelungstechnik, Automatisierungstechnik, Elektrotechnik Ingenieure und Ingenieurinnen mit den Schwerpunkten Regelungstechnik und Automatisierungstechnik Der Autor Andreas Völz absolvierte von 2009 bis 2014 das Bachelor- und Masterstudium der Informationssystemtechnik an der Universität Ulm. Seit 2014 ist er dort als akademischer Mitarbeiter und Doktorand am Institut für Mess-, Regel- und Mikrotechnik auf dem Gebiet der Robotik beschäftigt.
650 0 $a Control engineering. $3 1249728
650 0 $a Robotics. $3 561941
650 0 $a Mechatronics. $3 559133
650 0 $a Electrical engineering. $3 596380
650 0 $a Applied mathematics. $3 1069907
650 0 $a Engineering mathematics. $3 562757
650 1 4 $a Control, Robotics, Mechatronics. $3 768396
650 2 4 $a Electrical Engineering. $3 768742
650 2 4 $a Mathematical and Computational Engineering. $3 1139415
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783658162788
830 0 $a BestMasters, $x 2625-3577 $3 1253531
856 4 0 $u https://doi.org/10.1007/978-3-658-16279-5
912 $a ZDB-2-STI
950 $a Computer Science and Engineering (German Language) (SpringerNature-11774)