Parallel Estimation Respecting Constraints of Parametric Models of Cold Rolling

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F48361143%3A_____%2F10%3A%230000002" target="_blank" >RIV/48361143:_____/10:#0000002 - isvavai.cz</a>

Výsledek na webu

<a href="http://library.utia.cas.cz/separaty/2010/AS/karny-parallel%20estimation%20respecting%20constraints%20of%20parametric%20models%20of%20cold%20rolling.pdf" target="_blank" >http://library.utia.cas.cz/separaty/2010/AS/karny-parallel%20estimation%20respecting%20constraints%20of%20parametric%20models%20of%20cold%20rolling.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3182/20100802-3-ZA-2014.00007" target="_blank" >10.3182/20100802-3-ZA-2014.00007</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Parallel Estimation Respecting Constraints of Parametric Models of Cold Rolling

Popis výsledku v původním jazyce

Model-based predictors and controllers frequently depend on efficient recursive estimation of model parameters. Similarly often, there are known hard bounds on parameter values. Adaptive control applied for rolling mills represents a typical example of such case. While common estimation algorithms are elaborated enough to be utilized in industrial practice, it is difficult to find implementation of bounded estimation, which is both formally consistent and suitable for reliable applications. Solution offered in this paper is based on simultaneous run of two or more proven estimators different in applied process models. Both simulated and real data examples are provided.

Název v anglickém jazyce

Parallel Estimation Respecting Constraints of Parametric Models of Cold Rolling

Popis výsledku anglicky

Model-based predictors and controllers frequently depend on efficient recursive estimation of model parameters. Similarly often, there are known hard bounds on parameter values. Adaptive control applied for rolling mills represents a typical example of such case. While common estimation algorithms are elaborated enough to be utilized in industrial practice, it is difficult to find implementation of bounded estimation, which is both formally consistent and suitable for reliable applications. Solution offered in this paper is based on simultaneous run of two or more proven estimators different in applied process models. Both simulated and real data examples are provided.

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

<a href="/cs/project/7D09008" target="_blank" >7D09008: Pravděpodobnostní Bayesův senzor jako nástroj pro on-line vyhodnocování při proměnném procesu válcování plechů za studena</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

13th IFAC Symposium on Automation in Mineral, Mining and Metal Processing

ISBN

978-3-902661-73-9

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

31-36

Název nakladatele

University of Stellenbosch, South Africa

Místo vydání

Cape Town, South Africa

Místo konání akce

Cape Town, South Africa

Datum konání akce

1. 1. 2010

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—