Sporadic model predictive control using Lebesgue approximation

Sustainability Criteria for a Piggyback System

“…Систематизация и структурирование параметров элементов контрейлерной технологии проводилась посредством анализа семи наиболее распространённых контрейлерных систем, находящихся в стадиях разработки, тестирования и коммерческого использования: Lohr, CargoBeamer, CargoSpeed, Rolling Road, «Пространство 1520», Megaswing и Flexiwaggon. Сбор данных для анализа выполнен на основе информации официальных сайтов компаний-производителей контрейлерных систем 3,4,5,6,7 , сайтов компанийпроизводителей железнодорожного подвижного состава 8,9,10,11 , нормативно-правовых документов 12,13 , а также научной литературы [12][13][14][15][16][17][18][19]. Анализ параметров контрейлерных систем позволяет выполнить их деление на три группы:…”

“…Решая данную задачу, перевозчики, экспедиторы или логисты должны учитывать технические и технологические требования и ограничения разных контрейлерных систем для удовлетворения требований грузовладельцев по своевременной, сохранной и экологичной перевозке определённых грузов. Из-за разнообразия контрейлерных систем грузовладельцы вынуждены либо учитывать требования конкретной системы к параметрам ИТЕ, либо отказываться от необходимой для них интермодальной технологии [8]. Таким образом, определение критериев устойчивости контрейлерной системы на основе систематизации параметров существующих контрейлерных систем с целью формирования устойчивых цепей поставок является актуальной научной и практической задачей.…”

Self‐triggered predictive control of nonlinear systems using approximation model

“…It is worth pointing out, however, that all the previously mentioned work on aperiodic sampled‐data MPC only focuses on when to solve the FHOCP, while leaving the FHOCP itself still continuous‐time. Recently, a Lebesgue approximation based MPC approach was proposed in References 30 and 31 for nonlinear systems, where the sampling time and the state transitions in the approximation model are both aperiodic and state‐dependent. It can enlarge the inter‐sampling time intervals, while reducing the number of steps in the discrete‐time FHOCP to prediction the same length of horizon in continuous‐time domain.…”

“…The contributions of this article are listed as follows.We relax the assumption of first‐order approximation in References 30‐32. Our results are suitable to various model approximation methods with both periodic and aperiodic scheduling schemes. We present the mechanism to co‐design the discrete‐time FHOCP and the associated self‐triggering algorithm.…”

“…The self‐triggering scheme is used to not only schedule the computation of the FHOCP, but determine the sampling period when discretizing the continuous‐time plant model. Different from References 30‐32 where the scheduling schemes adopt very specific forms, the proposed self‐triggering schemes can be quite flexible, which can potentially reduce the complexity of the FHOCP if designed appropriately, such as converting a complicated FHOCP into linear or convex programming. We develop sufficient conditions to guarantee feasibility and stability. It is shown that the discretized model in the FHOCP that approximates the plant only requires one‐step accuracy, that is, the approximation error between the predicted state and the real state at the next sampling instance (according to the self‐triggering scheme) must be bounded by a threshold related to the cost function.…”