KAIST · Engineering
Jay H. Lee 교수의 연구실은 비선형 시스템 제어 및 예측 제어 기법에 중점을 두고 있으며, 특히 모델 예측 제어(MPC)와 이동 윈도우 추정기(MHE)를 활용한 고성능 제어 시스템 개발에 전문성을 기르고 있습니다. 비즈니스 및 공정 제어 분야에서의 응용을 고려해, 비선형 시스템의 실시간 제어, 다중 주기율 측정, 모델 오차 보정 기법 등을 연구하고 있습니다. 특히 배치 공정 제어, CO₂ 활용 기술 평가, 비선형 시스템의 안정성 및 성능 향상에 초점을 맞춘 응용 연구를 지속적으로 수행하고 있습니다.
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
Abstract A general formulation of the moving horizon estimator is presented. An algorithm with a fixed‐size estimation window and constraints on states, disturbances, and measurement noise is developed, and a probabilistic interpretation is given. The moving horizon formulation requires only one more tuning parameter (horizon size) than many well‐known approximate nonlinear filters such as extended Kalman filter (EFK), iterated EKF, Gaussian second‐order filter, and statistically linearized filt
ADVERTISEMENT RETURN TO ISSUEPREVArticleNEXTExtended Kalman Filter Based Nonlinear Model Predictive ControlJay H. Lee and N. Lawrence RickerCite this: Ind. Eng. Chem. Res. 1994, 33, 6, 1530–1541Publication Date (Print):June 1, 1994Publication History Published online1 May 2002Published inissue 1 June 1994https://pubs.acs.org/doi/10.1021/ie00030a013https://doi.org/10.1021/ie00030a013research-articleACS PublicationsRequest reuse permissionsArticle Views3852Altmetric-Citations257LEARN ABOUT THESE M
Abstract A novel model predictive control technique geared specifically toward batch process applications is demonstrated in an experimental batch reactor system for temperature tracking control. The technique, called Batch‐MPC (BMPC), is based on a time‐varying linear system model (representing a nonlinear system along a fixed trajectory) and utilizes not only the incoming measurements from the ongoing batch, but also the information stored from the past batches. This particular feature is show
