English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Iterativ lernende Regelungen eignen sich zur Beherrschung zyklischer Prozesse mit nichtverschwindenden Zwischenzyklenzeiten. Bei den Semibatch- bzw. Semibatch-Mehrstoff-Prozessen liegt ein Prozess vor, der sich im Ablauf zwar wiederholt, jedoch mit unterschiedlichen Ausgangsstoffen arbeitet. Im Unterschied zum reinen Batch-Prozess werden Edukte auch während der laufenden Reaktion zugegeben. Speziell bei chemischen Semibatchprozessen kommt noch hinzu, dass der verwendete Reaktor nicht notwendigerweise nach jedem Batch gereingt werden kann, sodass sich bestimmte Reaktorparameter von Zyklus zu Zyklus ändern. Der im vorliegenden Aufsatz dargestellte ILR-Ansatz behandelt genau diese Schwierigkeiten durch Einführung eines speziellen Speichers, der abhängig vom gefahrenen Produkt und Verschmutzungsgrad des Reaktors arbeitet. Das dargestellte Regelverfahren wurde als Referenz anhand des Chylla-Haase-Modells erprobt.

Iterativ lernende Regelungen für Semi-Batchprozesse (Iterative Learning Control Algorithms for Semi Batch Processes)