文献

J-GLOBAL ID：202202299667232276   整理番号：22A0323601

プロセスまたは測定雑音の未知分布の下でのロバストな移動地平推定【JST・京大機械翻訳】

A robust moving horizon estimation under unknown distributions of process or measurement noises

著者 (2件)： Valipour Mahshad (Department of Chemical Engineering, University of Waterloo, Waterloo N2L 3G1, Canada) ,  Ricardez-Sandoval Luis A. (Department of Chemical Engineering, University of Waterloo, Waterloo N2L 3G1, Canada)
資料名： Computers & Chemical Engineering  (Computers & Chemical Engineering)
巻： 157  ページ： Null  発行年： 2022年 
JST資料番号： H0199C  ISSN： 0098-1354  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 工業プロセスは,しばしば予想外のプロセス不確実性あるいは測定ノイズを受け,その分布は非Gauss型になり,予測できない。未知の非Gauss分布を明示的に収容できる移動水平推定(MHE)フレームワークは存在しなかった。本研究では,オンラインで適応される最適Gauss混合モデルを用いて,不確実性または雑音の未知の非Gauss分布を近似する新しいロバストMHE(RMHE)方式を提示した。提案したRMHEは,標準MHEフレームワークよりも付加的制約と決定変数を考慮し,それは,不確実性(またはノイズ)の分布をオンラインでGauss混合モデルに近似するのに必要である。したがって,RMHEは,プロセスで発生する予想外のノイズあるいは不確実性に関して,推定のロバスト性を増加させる。RMHEは,標準MHEによって要求される計算コストを大きく増大しないので,効率的な方式である。多重シナリオを含む事例研究を提示し,RMHEの利点を説明した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *雑音 ,  正規分布 ,  不確実性 ,  多重化 ,  事例研究 ,  制約条件 ,  *ロバスト性
準シソーラス用語： Gauss混合モデル ,  計算コスト ,  オンライン , 【Automatic Indexing@JST】

著者キーワード (5件)： 予想外の非Gauss過程の不確実性 ,  総測定雑音 ,  Gauss混合モデル ,  拡張移動地平推定 ,  ロバストな移動地平推定

分類 (3件)： 化学プロセスの解析  (XC01030R) ,  反応装置  (XE01030X) ,  化学プロセスの制御  (XC02020N)

タイトルに関連する用語 (5件)： プロセス ,  測定雑音 ,  分布 ,  ロバスト ,  推定