Entrenar el problema de Bi-Control en un entorno Riemanniano
Autores: Popa, Gabriel; Udriste, Constantin; Tevy, Ionel
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Entrenar el problema de Bi-Control en un entorno Riemanniano
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Consumo de energía
Optimización
Rieles de tracción
Sistema de transporte
Técnicas de control óptimo
Beneficio
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
Este artículo se refiere a la optimización del consumo de energía de los rieles de tracción guiada, como los utilizados para trenes eléctricos (incluidas las unidades eléctricas de metro), vagones, locomotoras y tranvías, en un marco riemanniano. La estrategia de optimización propuesta tiene en cuenta el tiempo de conducción de cumplimiento y tiene como objetivo mejorar el sistema de transporte para condiciones de operación dadas. Nuestro estudio tiene cinco objetivos: (1) mejorar las técnicas de control óptimo; (2) establecer una estrategia para las condiciones de operación del vehículo; (3) formular y resolver problemas adicionales de movimiento óptimo; (4) mejorar los sistemas automáticos de tracción de vehículos para optimizar el consumo de energía en un contexto riemanniano; (5) formular y resolver un problema de maximización del beneficio del tren. Algunas cifras y fórmulas significativas obtenidas mediante procedimientos de Maple aclaran los problemas.
Descripción
Este artículo se refiere a la optimización del consumo de energía de los rieles de tracción guiada, como los utilizados para trenes eléctricos (incluidas las unidades eléctricas de metro), vagones, locomotoras y tranvías, en un marco riemanniano. La estrategia de optimización propuesta tiene en cuenta el tiempo de conducción de cumplimiento y tiene como objetivo mejorar el sistema de transporte para condiciones de operación dadas. Nuestro estudio tiene cinco objetivos: (1) mejorar las técnicas de control óptimo; (2) establecer una estrategia para las condiciones de operación del vehículo; (3) formular y resolver problemas adicionales de movimiento óptimo; (4) mejorar los sistemas automáticos de tracción de vehículos para optimizar el consumo de energía en un contexto riemanniano; (5) formular y resolver un problema de maximización del beneficio del tren. Algunas cifras y fórmulas significativas obtenidas mediante procedimientos de Maple aclaran los problemas.