.png){kind=icon}
返回
Dynamic hybrid modeling: Incremental identification and model predictive control
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compchemeng.2025.109413.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 新方法用于增量式识别通用动态混合模型。
• 使标准机器学习工具适用于混合建模。
• 正则化减少了数据驱动模型元件中的非物理行为。
• 生物反应器案例表明该方法适用于数据有限的大型模型。
Keyword:
Hybrid modeling
Efficient modeling
Machine learning
Dynamic process modeling
Model predictive control
Advanced process control
Physics-informed artificial intelligence
期刊
C
IF:
3.9
论文数:
8.1K
被引数:
1.7W
机构
引用论文
B. Nicholson, J. D. Siirola, J.-P. Watson, V. M. Zavala, and L. T. Biegler, “pyomo.dae: a modeling and automatic discretization framework for optimization with differential and algebraic equations,” Mathematical Programming Computation, vol. 10, pp. 187–223, 2017.B. Nicholson，J. D. Siirola，J.-P. Watson，V. M. Zavala和L. T. Biegler，“pyomo.dae：一个用于带微分代数方程的优化建模和自动离散化框架”，《数学规划计算》，第10卷，第187-223页，2017年。.png)
IF0
PREAI
分享收藏