Les Inscriptions à la Bibliothèque sont ouvertes en
ligne via le site: https://biblio.enp.edu.dz
Les Réinscriptions se font à :
• La Bibliothèque Annexe pour les étudiants en
2ème Année CPST
• La Bibliothèque Centrale pour les étudiants en Spécialités
A partir de cette page vous pouvez :
| Retourner au premier écran avec les recherches... |
Détail de l'auteur
Auteur Luh, Peter B.
Documents disponibles écrits par cet auteur
Affiner la rechercheAdaptive general predictive control using optimally scheduled multiple models for parallel-coursing utility units with a header / Lei Pan in Transactions of the ASME . Journal of dynamic systems, measurement, and control, Vol. 134 N° 4 (Juillet 2012)
in Transactions of the ASME . Journal of dynamic systems, measurement, and control > Vol. 134 N° 4 (Juillet 2012) . - 09 p.
Titre : Adaptive general predictive control using optimally scheduled multiple models for parallel-coursing utility units with a header Type de document : texte imprimé Auteurs : Lei Pan, Auteur ; Jiong Shen, Auteur ; Luh, Peter B., Auteur Année de publication : 2012 Article en page(s) : 09 p. Note générale : Dynamic systems Langues : Anglais (eng) Mots-clés : Adaptive model General predictive control Fuzzy multiple model Thermal power plant Pressure control Index. décimale : 629.8 Résumé : An adaptive general predictive control using optimally scheduled multiple models (OSMM-GPC) is presented for improving the load-following capability and economic profits of the system of parallel-coursing utility units with a header (PUUH). OSMM-GPC is a comprehensive control algorithm built on the distributed multiple-model control architecture. It is improved from general predictive control by two novel algorithms. One is the mixed fuzzy recursive least-squares (MFRLS) estimation and the other is the model optimally scheduling algorithm. The MFRLS mixes the local and global online estimations by weighting a dynamic multi-objective cost function on the membership feature of each sampling point. It provides better parameter estimation on the Takagi–Sugeno (TS) fuzzy model of a time-varying system than the local and global recursive least squares, thus, it is proper for building adaptive models for the OSMM-GPC. Based on high-precision adaptive models estimated by the MFRLS, the model optimally scheduling algorithm computes the regulating efficiencies of all control groups and then chooses the optimal one in charge of the multiple-variable general predictive control. Through the model scheduling at each operation point, considerable fuel consumption can be saved; meanwhile, a better control performance is achieved. Besides PUUH, the OSMM-GPC can also work for other distributed multiple-model control applications. DEWEY : 629.8 ISSN : 0022-0434 En ligne : http://asmedl.org/getabs/servlet/GetabsServlet?prog=normal&id=JDSMAA000134000004 [...] [article] Adaptive general predictive control using optimally scheduled multiple models for parallel-coursing utility units with a header [texte imprimé] / Lei Pan, Auteur ; Jiong Shen, Auteur ; Luh, Peter B., Auteur . - 2012 . - 09 p.
Dynamic systems
Langues : Anglais (eng)
in Transactions of the ASME . Journal of dynamic systems, measurement, and control > Vol. 134 N° 4 (Juillet 2012) . - 09 p.
Mots-clés : Adaptive model General predictive control Fuzzy multiple model Thermal power plant Pressure control Index. décimale : 629.8 Résumé : An adaptive general predictive control using optimally scheduled multiple models (OSMM-GPC) is presented for improving the load-following capability and economic profits of the system of parallel-coursing utility units with a header (PUUH). OSMM-GPC is a comprehensive control algorithm built on the distributed multiple-model control architecture. It is improved from general predictive control by two novel algorithms. One is the mixed fuzzy recursive least-squares (MFRLS) estimation and the other is the model optimally scheduling algorithm. The MFRLS mixes the local and global online estimations by weighting a dynamic multi-objective cost function on the membership feature of each sampling point. It provides better parameter estimation on the Takagi–Sugeno (TS) fuzzy model of a time-varying system than the local and global recursive least squares, thus, it is proper for building adaptive models for the OSMM-GPC. Based on high-precision adaptive models estimated by the MFRLS, the model optimally scheduling algorithm computes the regulating efficiencies of all control groups and then chooses the optimal one in charge of the multiple-variable general predictive control. Through the model scheduling at each operation point, considerable fuel consumption can be saved; meanwhile, a better control performance is achieved. Besides PUUH, the OSMM-GPC can also work for other distributed multiple-model control applications. DEWEY : 629.8 ISSN : 0022-0434 En ligne : http://asmedl.org/getabs/servlet/GetabsServlet?prog=normal&id=JDSMAA000134000004 [...] IEEE transactions on robotics / Alessandro De Luca
Titre : IEEE transactions on robotics Type de document : texte imprimé Auteurs : Alessandro De Luca, Editeur scientifique ; Luh, Peter B., Editeur scientifique ; Russell H. Taylor, Editeur scientifique Editeur : New York : Institute of electrical and electronics engineers Année de publication : 1986- ISBN/ISSN/EAN : 1552-3098 Note générale : Périodicité: Bimestrielle
1986-1989
1997-2008
2010Langues : Anglais (eng) Mots-clés : Automatique
Robotique
Intélligence artificielle
Commande automatiqueIndex. décimale : 681.5 Automation. Systèmes, techniques, équippements de régulation. Cybernétique et technologie de l'automation DEWEY : 629.89 [périodique] Voir les bulletins disponibles IEEE transactions on robotics [texte imprimé] / Alessandro De Luca, Editeur scientifique ; Luh, Peter B., Editeur scientifique ; Russell H. Taylor, Editeur scientifique . - New York (345 E., 47th ST.,, 10017-2394) : Institute of electrical and electronics engineers, 1986-.
ISSN : 1552-3098
Périodicité: Bimestrielle
1986-1989
1997-2008
2010
Langues : Anglais (eng)
Mots-clés : Automatique
Robotique
Intélligence artificielle
Commande automatiqueIndex. décimale : 681.5 Automation. Systèmes, techniques, équippements de régulation. Cybernétique et technologie de l'automation DEWEY : 629.89
in IEEE transactions on automatic control > Vol. 52 N°11 (Novembre 2007) . - 2177-2182 p.
Titre : Incremental value iteration for time-aggregated markov-decision processes Titre original : Itération par accroissement de valeur pour des procédés temps-agrégés de markovien-décision Type de document : texte imprimé Auteurs : Sun, Tao, Auteur ; Zhao, Qianchuan, Auteur ; Luh, Peter B., Auteur Article en page(s) : 2177-2182 p. Note générale : Automatique Langues : Anglais (eng) Mots-clés : Fractional cost Markov-decision processes (MDPs) Policy iteration Time aggregation Value iteration Coût partiel Processus de décision de Markov (MDPs) Agrégation de temps Itération de valeur Index. décimale : 629.8 Résumé : A value iteration algorithm for time-aggregated Markov-decision processes (MDPs) is developed to solve problems with large state spaces. The algorithm is based on a novel approach which solves a time aggregated MDP by incrementally solving a set of standard MDPs. Therefore, the algorithm converges under the same assumption as standard value iteration. Such assumption is much weaker than that required by the existing time aggregated value iteration algorithm. The algorithms developed in this paper are also applicable to MDPs with fractional costs.
Un algorithme d'itération de valeur pour des procédés temps-agrégés de Markovien-décision (MDPs) est développé pour résoudre des problèmes avec les grands espaces d'état. L'algorithme est basé sur une approche originale qui résout un MDP agrégé par temps en résolvant incrémentalement un ensemble de MDPs standard. Par conséquent, l'algorithme converge dans la même prétention que l'itération standard de valeur. Une telle prétention est beaucoup plus faible que cela exigée par l'algorithme d'itération de valeur agrégé par temps existant. Les algorithmes se sont développés en ce document s'appliquent également à MDPs avec des coûts partiels.DEWEY : 629.8 ISSN : 0018-9286 RAMEAU : Markov, Processus de En ligne : santao99@mails.tsinghua.edu.cn, zhaoqc@tsinghua.edu.cn, Peter.Luh@uconn.edu [article] Incremental value iteration for time-aggregated markov-decision processes = Itération par accroissement de valeur pour des procédés temps-agrégés de markovien-décision [texte imprimé] / Sun, Tao, Auteur ; Zhao, Qianchuan, Auteur ; Luh, Peter B., Auteur . - 2177-2182 p.
Automatique
Langues : Anglais (eng)
in IEEE transactions on automatic control > Vol. 52 N°11 (Novembre 2007) . - 2177-2182 p.
Mots-clés : Fractional cost Markov-decision processes (MDPs) Policy iteration Time aggregation Value iteration Coût partiel Processus de décision de Markov (MDPs) Agrégation de temps Itération de valeur Index. décimale : 629.8 Résumé : A value iteration algorithm for time-aggregated Markov-decision processes (MDPs) is developed to solve problems with large state spaces. The algorithm is based on a novel approach which solves a time aggregated MDP by incrementally solving a set of standard MDPs. Therefore, the algorithm converges under the same assumption as standard value iteration. Such assumption is much weaker than that required by the existing time aggregated value iteration algorithm. The algorithms developed in this paper are also applicable to MDPs with fractional costs.
Un algorithme d'itération de valeur pour des procédés temps-agrégés de Markovien-décision (MDPs) est développé pour résoudre des problèmes avec les grands espaces d'état. L'algorithme est basé sur une approche originale qui résout un MDP agrégé par temps en résolvant incrémentalement un ensemble de MDPs standard. Par conséquent, l'algorithme converge dans la même prétention que l'itération standard de valeur. Une telle prétention est beaucoup plus faible que cela exigée par l'algorithme d'itération de valeur agrégé par temps existant. Les algorithmes se sont développés en ce document s'appliquent également à MDPs avec des coûts partiels.DEWEY : 629.8 ISSN : 0018-9286 RAMEAU : Markov, Processus de En ligne : santao99@mails.tsinghua.edu.cn, zhaoqc@tsinghua.edu.cn, Peter.Luh@uconn.edu
