Documents disponibles écrits par cet auteur

Relative gain array analysis for uncertain process models / Chen, Dan in Aiche journal, Vol. 48 N°2 (Fevrier 2002) 

Public ISBD [article]  in Aiche journal > Vol. 48 N°2 (Fevrier 2002) . - 302-310 p. Titre : Relative gain array analysis for uncertain process models Type de document : texte imprimé Auteurs : Chen, Dan, Auteur ; Seborg, Dale E., Auteur Article en page(s) : 302-310 p. Note générale : Génie Chimique Langues : Anglais (eng) Mots-clés : Analyse  relative  Gain  Contrôle  du  processus  Cycle  Structure  Commande  Interaction  de  processus  Influence  Analyse  Simulation Index. décimale : 660.627.3 Résumé : Relative gain array (RGA) analysis has been widely used in process control to identify promising control structures and to characterize the degree of process interactions between controlled and manipulated variables. However, the influence of process model uncertainty on RGA analysis has received little attention. Analytical expressions for RGA uncertainty bounds are derived for 2 � 2 control problems and for general, n � n control problems. Both worst-case bounds and statistical uncertainty bounds are derived. Several simulation examples illustrate the new results. The RGA uncertainty bounds provide useful information concerning model accuracy requirements and the robustness of decentralized control systems. L'analyse relative de la rangée de gain (RGA) a été employée couramment dans le contrôle du processus de cycle pour identifier les structures prometteuses de commande et pour caractériser le degré d'interactions de processus entre les variables commandées et manoeuvrées. Cependant, l'influence de l'incertitude modèle de processus sur l'analyse de RGA a suscité peu d'attention. Des expressions analytiques pour des limites d'incertitude de RGA sont dérivées pour 2 problèmes de commande du � 2 et pour le général, problèmes de commande du � n de n. Des limites des cas les pires et les limites statistiques d'incertitude sont dérivées. Plusieurs exemples de simulation illustrent les nouveaux résultats. Les limites d'incertitude de RGA fournissent l'information utile au sujet des conditions modèles d'exactitude et la robustesse des systèmes de commande décentralisés. DEWEY : 660 ISSN : 0001-1541 En ligne : www.aiche.org, www.sciencedirect.com [article] Relative gain array analysis for uncertain process models [texte imprimé] / Chen, Dan, Auteur ; Seborg, Dale E., Auteur . - 302-310 p. Génie Chimique Langues : Anglais (eng) in Aiche journal > Vol. 48 N°2 (Fevrier 2002) . - 302-310 p. Mots-clés : Analyse  relative  Gain  Contrôle  du  processus  Cycle  Structure  Commande  Interaction  de  processus  Influence  Analyse  Simulation Index. décimale : 660.627.3 Résumé : Relative gain array (RGA) analysis has been widely used in process control to identify promising control structures and to characterize the degree of process interactions between controlled and manipulated variables. However, the influence of process model uncertainty on RGA analysis has received little attention. Analytical expressions for RGA uncertainty bounds are derived for 2 � 2 control problems and for general, n � n control problems. Both worst-case bounds and statistical uncertainty bounds are derived. Several simulation examples illustrate the new results. The RGA uncertainty bounds provide useful information concerning model accuracy requirements and the robustness of decentralized control systems. L'analyse relative de la rangée de gain (RGA) a été employée couramment dans le contrôle du processus de cycle pour identifier les structures prometteuses de commande et pour caractériser le degré d'interactions de processus entre les variables commandées et manoeuvrées. Cependant, l'influence de l'incertitude modèle de processus sur l'analyse de RGA a suscité peu d'attention. Des expressions analytiques pour des limites d'incertitude de RGA sont dérivées pour 2 problèmes de commande du � 2 et pour le général, problèmes de commande du � n de n. Des limites des cas les pires et les limites statistiques d'incertitude sont dérivées. Plusieurs exemples de simulation illustrent les nouveaux résultats. Les limites d'incertitude de RGA fournissent l'information utile au sujet des conditions modèles d'exactitude et la robustesse des systèmes de commande décentralisés. DEWEY : 660 ISSN : 0001-1541 En ligne : www.aiche.org, www.sciencedirect.com