01046nam 2200373 450 99000272227020331620060317090355.0000272227USA01000272227(ALEPH)000272227USA0100027222720060317d1957----km-y0itay0103----bafreFR-|||||||001yyAnamorphoseFrances De Dalmatiefrontispice par Henri MondorParigiSeghers[1957]63 p.18 cmsulla carta di guardia : dedica autografa dell'autore a Robert Goffin, datata giugno 1957manca la pag. 1020012001001-------2001843.91DE DALMATIE,Frances592772MONDORHenriITsalbcISBD990002722270203316XV.4.A. 145F.F.XV.4.BKUMACOPAT19020060317USA010903Anamorphose1000324UNISA01738nam 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