01306nam2-2200385li-450 99000019611020331620240621132816.03-540-05480-40019611USA010019611(ALEPH)000019611USA01001961120001109d1971----km-y0itay0103----baengGWMarkov processesstructure and asymptotic behaviorMurray RosenblattBerlin [etc.]Springer-Verlag1971XIII, 268 p.ill.24 cm<<Die>> Grundlehren der Mathematischen Wissenschaften in Einzeldarstellungen1840010003168452001<<Die>> Grundlehren der Mathematischen Wissenschaften in Einzeldarstellungen184Processi markovianiBNCF5192.33ROSENBLATT,Murray12734Sistema bibliotecario di Ateneo dell' Università di SalernoRICA990000196110203316510 GLM (184)16601 CBS51000108803BKSCI1997012920001110USA011713ALANDI9020010618USA01092920020403USA011627PATRY9020040406USA011614Markov processes340780UNISA01738nam 2200373z- 450 9910346926203321202102121000010573(CKB)4920000000101260(oapen)https://directory.doabooks.org/handle/20.500.12854/60053(oapen)doab60053(EXLCZ)99492000000010126020202102d2009 |y 0gerurmn|---annantxtrdacontentcrdamediacrrdacarrierStochastische modell-prädiktive Regelung nichtlinearer SystemeKIT Scientific Publishing20091 online resource (XII, 122 p. p.)Karlsruhe Series on Intelligent Sensor-Actuator-Systems, Universität Karlsruhe / Intelligent Sensor-Actuator-Systems Laboratory3-86644-348-X Diese Arbeit behandelt neuartige Verfahren zur modell-prädiktiven Regelung (MPC) nichtlinearer Systeme unter umfassender Berücksichtigung stochastischer Unsicherheiten. Bei dem hier vorgestellten Framework zur stochastischen nichtlinearen MPC (SNMPC) wird neben dem unsicheren Systemverhalten auch die Zugänglichkeit des zu regelnden Systemzustands explizit bei der Stellgrößenberechnung berücksichtigt. Die vorgestellten Verfahren werden anhand der Regelung miniaturisierter Laufroboter evaluiert.modell-prädiktive RegelungMPCnichtlineare RegelungSchätztheorieSMNPCWeißel Florianauth1301543BOOK9910346926203321Stochastische modell-prädiktive Regelung nichtlinearer Systeme3025971UNINA