Springer Modellprädiktive Regelung nichtlinearer Systeme mit Unsicherheiten

0 Testberichte

Marke: Springer
EAN: 9783658162788
Verfügbarkeit: Lieferbar

Preisspanne: 59,99€ - 59,99€*

Billigster Preis

Deals

Apple iPhone 16 128 GB Schwarz

ab 640,00 €*

Microsoft Office 2024 Professional Plus

ab 2,88 €*

Apple iPhone 17 256 GB Schwarz

ab 810,00 €*

Samsung Galaxy S25 Ultra 5G 256 GB Titanium Black

ab 899,00 €*

Apple iPhone 17 Pro 256 GB Tiefblau

ab 1.159,00 €*

Shops
Beschreibung
Testberichte

Preis (inkl. MwSt.)

Händler

Lieferstatus

Shop

59,99 €* Kostenloser Versand

Lieferbar: 4 Tage
Daten vom 2026-03-03
Änderungen vorbehalten

Zum Shop

59,99 €* Kostenloser Versand

Lieferbar: 3-6 Tage
Daten vom 2026-03-03
Änderungen vorbehalten

Zum Shop

Andreas Völz untersucht eines der vielseitigsten Regelungsverfahren für technische Prozesse und zeigt den Umgang mit Messunsicherheiten, unbekannten Umwelteinflüssen sowie Modellungenauigkeiten auf. Basierend auf der sogenannten ‚Unscented-Transformation‘; die bislang insbesondere im Zusammenhang mit der Kalman-Filterung ein Begriff ist, können Unsicherheiten mithilfe des Erwartungswertes und der Kovarianzmatrix der nichtlinearen Systemdynamik prädiziert und im Kostenfunktional gewichtet werden. Der Autor stellt einen neuen Ansatz für die modellprädiktive Regelung nichtlinearer Systeme mit stochastischen Unsicherheiten vor und kann anhand mehrerer Beispielsysteme nachweisen, dass Beschränkungen auch in Gegenwart von Unsicherheiten zuverlässig eingehalten werden ...

1. Aufl. 2016 Modellprädiktive Regelung nichtlinearer Systeme mit Unsicherheiten / Taschenbuch für 59.99 € / Aus dem Bereich: Hardcover

Naturwissenschaften, Medizin, Informatik, Technik

Elektronik, Elektrotechnik, ...

Andreas Völz untersucht eines der vielseitigsten Regelungsverfahren für technische Prozesse und zeigt den Umgang mit Messunsicherheiten, unbekannten Umwelteinflüssen sowie Modellungenauigkeiten auf. Basierend auf der sogenannten Unscented-Transformation, die bislang insbesondere im Zusammenhang mit der Kalman-Filterung ein Begriff ist, können Unsicherheiten mithilfe des Erwartungswertes und der Kovarianzmatrix der nichtlinearen Systemdynamik prädiziert und im Kostenfunktional gewichtet werden. Der Autor stellt einen neuen Ansatz für die modellprädiktive Regelung nichtlinearer Systeme mit stochastischen Unsicherheiten vor und kann anhand mehrerer Beispielsysteme nachweisen, dass Beschränkungen auch in Gegenwart von Unsicherheiten zuverlässig eingehalten werden ...

Verfassen Sie einen Erfahrungsbericht

Ihre Produktbewertung

Sehr Unzufrieden Sehr Zufrieden