Linear Programming Formulation Model Predictive (MPC) Control Problem for Max-Plus Linear Systems and Its Application to Flow Line Production Systems
Total View This Week2
Total View This Week2
Institusion
Institut Teknologi Sepuluh Nopember
Author
Kaseside, Meidy
Subject
QA184 Algebra, Linear
Datestamp
2018-01-09 06:57:34
Abstract :
The model predictive control (MPC) is one type of design controller that can be applied to industrial area and designed based on mathematical models. A key advantage of MPC is that it is can accomodate constraints on the inputs and outputs . Usually MPC is uses discrete event systems which is studied in the form of a max-plus linear algebra system (MPL). MPC problem for MPL is minimize cost criterion, where cost criterion is divided into two parts namely, cost criterion for input and cost criterion for output. The cost criterion must meet the output prediction condition, constraint or limitation and evolution of inputs after the horizon control. The MPC problem for the MPL can be solved by using a linear program. In this research, we discuss how to formulate a linear programming MPC problem for MPL and its application to flow line of production systems. ================================================================================================= Model predictive control (MPC) adalah salah satu desain kont rol yang dapat digunakan dalam dunia industri dan dapat didesain berdasarkan model matematika. Keuntungan utama dari MPC adalah kemampuannya untuk memberikan batasan pada pengendali input maupun output. Biasanya MPC menggunakan sistem event diskrit yang d ikaji dalam bentuk sistem aljabar max - plus linear (MPL). Masalah MPC untuk MPL adalah meminimumkan kriteria biaya, dimana kriteria biaya terbagi atas dua yaitu kriteria biaya input dan kriteria biaya output. Kriteria biaya tersebut harus memenuhi kondisi prediksi output, constraint atau batasan, evolusi input setelah kontrol horizon. Masalah MPC untuk MPL tersebut dapat diselesaikan dengan menggunakan program linear. Pada penelitian ini, dipaparkan bagaimana cara membentuk formulasi progra m linear dari masalah MPC untuk MPL dan aplikasinya pada flow line sistem produksi.
The model predictive control (MPC) is one type of design controller that can be applied to industrial area and designed based on mathematical models. A key advantage of MPC is that it is can accomodate constraints on the inputs and outputs . Usually MPC is uses discrete event systems which is studied in the form of a max-plus linear algebra system (MPL). MPC problem for MPL is minimize cost criterion, where cost criterion is divided into two parts namely, cost criterion for input and cost criterion for output. The cost criterion must meet the output prediction condition, constraint or limitation and evolution of inputs after the horizon control. The MPC problem for the MPL can be solved by using a linear program. In this research, we discuss how to formulate a linear programming MPC problem for MPL and its application to flow line of production systems. ================================================================================================= Model predictive control (MPC) adalah salah satu desain kont rol yang dapat digunakan dalam dunia industri dan dapat didesain berdasarkan model matematika. Keuntungan utama dari MPC adalah kemampuannya untuk memberikan batasan pada pengendali input maupun output. Biasanya MPC menggunakan sistem event diskrit yang d ikaji dalam bentuk sistem aljabar max - plus linear (MPL). Masalah MPC untuk MPL adalah meminimumkan kriteria biaya, dimana kriteria biaya terbagi atas dua yaitu kriteria biaya input dan kriteria biaya output. Kriteria biaya tersebut harus memenuhi kondisi prediksi output, constraint atau batasan, evolusi input setelah kontrol horizon. Masalah MPC untuk MPL tersebut dapat diselesaikan dengan menggunakan program linear. Pada penelitian ini, dipaparkan bagaimana cara membentuk formulasi progra m linear dari masalah MPC untuk MPL dan aplikasinya pada flow line sistem produksi.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
