Se presenta un nuevo enfoque de control de aprendizaje iterativo fusionado con información de longitud de cola (QLIF-ILC) para la medición de rampas de tráfico en autopistas con el fin de lograr un mejor rendimiento mediante la utilización de la información de error de la longitud de cola en la rampa. El QLIF-ILC consta de dos partes, donde la parte iterativa feedforward actualiza la señal de entrada de control aprendiendo de los datos de control pasados en ensayos anteriores, y la parte de realimentación actual utiliza el error de seguimiento de la iteración de aprendizaje actual para estabilizar la planta controlada. Estas dos partes se combinan de forma complementaria para mejorar la robustez del QLIF-ILC propuesto. Se desarrolla un enfoque sistemático para analizar la convergencia y robustez del esquema de aprendizaje propuesto. Además, se presentan resultados de simulación para demostrar la eficacia del QLIF-ILC propuesto.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Análisis de los efectos de vinculación entre las redes de divisas utilizando datos de tipo de cambio real efectivo (REER).
Artículo:
Consenso medio de datos muestreados basado en sucesos
Artículo:
Sincronización difusiva de sistemas Lorenz hipercaóticos
Artículo:
Control Predictivo de Dos Capas de un Reactor Continuo de Transesterificación de Biodiésel
Artículo:
Modelo de elasticidad basado en elementos finitos suavizados para cuerpos blandos
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Artículo:
Nuevas necesidades cosméticas : tendencias y productos específicos
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.