LEADER 01738nam  2200373z- 450 
001 9910346926203321
005 20210212
010   $a1000010573
035   $a(CKB)4920000000101260
035   $a(oapen)https://directory.doabooks.org/handle/20.500.12854/60053
035   $a(oapen)doab60053
035   $a(EXLCZ)994920000000101260
100   $a20202102d2009      |y         0
101 0 $ager
135   $aurmn|---annan
181   $ctxt$2rdacontent
182   $cc$2rdamedia
183   $acr$2rdacarrier
200 00$aStochastische modell-pra?diktive Regelung nichtlinearer Systeme
210   $cKIT Scientific Publishing$d2009
215   $a1 online resource (XII, 122 p. p.)
225 1 $aKarlsruhe Series on Intelligent Sensor-Actuator-Systems, Universität Karlsruhe / Intelligent Sensor-Actuator-Systems Laboratory
311 08$a3-86644-348-X 
330   $aDiese Arbeit behandelt neuartige Verfahren zur modell-pra?diktiven Regelung (MPC) nichtlinearer Systeme unter umfassender Beru?cksichtigung stochastischer Unsicherheiten. Bei dem hier vorgestellten Framework zur stochastischen nichtlinearen MPC (SNMPC) wird neben dem unsicheren Systemverhalten auch die Zuga?nglichkeit des zu regelnden Systemzustands explizit bei der Stellgro?ßenberechnung beru?cksichtigt. Die vorgestellten Verfahren werden anhand der Regelung miniaturisierter Laufroboter evaluiert.
610   $amodell-pra?diktive Regelung
610   $aMPC
610   $anichtlineare Regelung
610   $aScha?tztheorie
610   $aSMNPC
700   $aWeißel$b Florian$4auth$01301543
906   $aBOOK
912   $a9910346926203321
996   $aStochastische modell-prädiktive Regelung nichtlinearer Systeme$93025971
997   $aUNINA