SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:DiVA.org:ltu-64960"
 

Sökning: onr:"swepub:oai:DiVA.org:ltu-64960" > Data-driven Modelli...

Data-driven Modelling, Learning and Stochastic Predictive Control for the Steel Industry

Herceg, Domagoj (författare)
IMT School for Advanced Studies Lucca, Italy
Georgoulas, Georgios (författare)
Luleå tekniska universitet,Signaler och system
Sopasakis, Pantelis (författare)
KU Leuven, Department of Electrical Engineering (ESAT), STADIUS Center for Dynamical Systems, Signal Processing and Data Analytics,Lulea University of Technology, Sweden
visa fler...
Castaño Arranz, Miguel (författare)
Luleå tekniska universitet,Signaler och system,KU Leuven, Belgium
Patrinos, Panagiotis K. (författare)
KU Leuven, Department of Electrical Engineering (ESAT), STADIUS Center for Dynamical Systems, Signal Processing and Data Analytics,Lulea University of Technology, Sweden
Bemporad, Alberto (författare)
IMT School for Advanced Studies Lucca, Italy
Niemi, Jan (författare)
RISE,MEFOS AB,Swerea MEFOS, Box 812, Luleå
Nikolakopoulos, George (författare)
Luleå tekniska universitet,Signaler och system,KU Leuven, Belgium
Georgoulas, George (författare)
KU Leuven, Belgium
visa färre...
 (creator_code:org_t)
Piscataway, NJ : Institute of Electrical and Electronics Engineers (IEEE), 2017
2017
Engelska.
Ingår i: 2017 25th Mediterranean Conference on Control and Automation, MED 2017. - Piscataway, NJ : Institute of Electrical and Electronics Engineers (IEEE). - 9781509045334 ; , s. 1361-1366
Relaterad länk:
https://urn.kb.se/re...
visa fler...
https://doi.org/10.1...
https://urn.kb.se/re...
visa färre...
  • Konferensbidrag (refereegranskat)
Abstract Ämnesord
Stäng  
  • The steel industry involves energy-intensive processessuch as combustion processes whose accurate modellingvia first principles is both challenging and unlikely to leadto accurate models let alone cast time-varying dynamics anddescribe the inevitable wear and tear. In this paper we addressthe main objective which is the reduction of energy consumptionand emissions along with the enhancement of the autonomy ofthe controlled process by online modelling and uncertaintyawarepredictive control. We propose a risk-sensitive modelselection procedure which makes use of the modern theoryof risk measures and obtain dynamical models using processdata from our experimental setting: a walking beam furnaceat Swerea MEFOS. We use a scenario-based model predictivecontroller to track given temperature references at the threeheating zones of the furnace and we train a classifier whichpredicts possible drops in the excess of Oxygen in each heatingzone below acceptable levels. This information is then used torecalibrate the controller in order to maintain a high qualityof combustion, therefore, higher thermal efficiency and loweremissions

Ämnesord

TEKNIK OCH TEKNOLOGIER  -- Elektroteknik och elektronik -- Reglerteknik (hsv//swe)
ENGINEERING AND TECHNOLOGY  -- Electrical Engineering, Electronic Engineering, Information Engineering -- Control Engineering (hsv//eng)

Nyckelord

Advanced Process Control
Machine Learning
Stochastic Model Predictive Control
Risk-sensitive Model Selection
Cyber-Physical Systems
Reglerteknik
Control Engineering

Publikations- och innehållstyp

ref (ämneskategori)
kon (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy