Akademik M.V. Kowalczuk. Okrągły stół na temat „Obrona psychologiczna. Walka o historię -

Swoich proroków słuchać nie chcecie Państwo.

Warto poświecić nieco czasu i posłuchać materiału ekonomisty Cezarego Głucha.

Materiał ten wykazuje jak wiele zdarzeń czy też przemian, które jeszcze nie tak dawno miały przylepioną łatkę ”teorii spiskowych” stało się faktami. A ich głosicielom zakładano foliowe czapeczki lub ignorowano.

https://www.youtube.com/watch?v=l_8Qzh_gu-0

Predykcyjne sterowanie Społeczeństwem wg zadanego algorytmu.

https://pl.wikipedia.org/wiki/Sterowanie_predykcyjne

https://eia.pg.edu.pl/documents/1113028/0/KSS2015W5%20%20-%20Sterowanie_predykcyjne.pdf

http://anna.czemplik.staff.iiar.pwr.wroc.pl/images/Dprojektowanie/10_Predykcyjne.pdf

Za mądre?

Czym jest sterowanie predykcyjne?

Predykcyjne algorytmy regulacji wyznaczają w każdej

chwili próbkowania sterowanie przez optymalizację

pewnej funkcji kryterialnej (funkcji celu) zdefiniowanej na

skończonym horyzoncie, na którym w oparciu o model

obiektu predykowane (przewidywane) jest jego

zachowanie.

Funkcja celu to odpowiednio zdefiniowane zadanie

sterowania optymalnego. Na wejście obiektu podawana

jest początkowa część wyznaczonego rozwiązania

(sterowanie). Przy czym horyzont na którym rozwiązuje

się zadanie optymalizacji jest typowo przesuwany z

kroku na krok (kolejne chwile próbkowania).

W drodze do masowych szczepień na COVID-19 z zastosowaniem najnowszych technologii biologii molekularnej o bliżej nieznanych skutkach ubocznych na osi czasu: marzec 2020 a grudzień 2020 zastosowano

Model GPC – Generalized Predictive Control (Clarke i Mothadi 1987) – model liniowy dyskretny w postaci transmitancji z uwzględnieniem zakłóceń i estymacją parametrów na bieżąco.

Zalety i wady regulacji predykcyjnej

Algorytmy regulacji predykcyjnej charakteryzują się: dużą wrażliwością na zmiany struktury obiektu, małą wrażliwością na zmiany parametrów obiektu, odpornością na nieminimalnofazowość obiektu, możliwością stosowania do regulacji obiektów trudnych (niestabilnych, oscylujących, nieliniowych, niestacjonarnych).

Zasadniczą własnością odróżniającą algorytmy regulacji predykcyjnej od innych (tradycyjnych – opartych na metodach częstotliwościowych, i współczesnych wykorzystujących metody zmiennych stanu) jest możliwość uwzględnienia ograniczeń (narzucanych przez właściwości sterowanego systemu) nałożonych na wielkości regulowane i sterujące w trakcie projektowania regulatora.

Obecnie, sterowanie predykcyjne wydaje się być jedną z niewielu skutecznych w praktyce metod sterowania systemami nieliniowymi przy ograniczeniach sterowania i stanu.

Algorytmy predykcyjne odniosły sukces komercyjny. O sukcesie tym zadecydował fakt, że stanowią one jedną z niewielu metod sterowania, pozwalającą explicite uwzględnić ograniczenia stanu i sterowania oraz nadają się do sterowania systemami nieliniowymi.

Główna niedogodność pojawiająca się przy stosowaniu regulatorów predykcyjnych związana jest z koniecznością stworzenia modelu zachowania obiektu. Modelowanie i identyfikacja procesów, które mają być sterowane predykcyjnie to często najtrudniejsza, najbardziej czasochłonna i najbardziej kosztowna faza wdrożenia tego typu regulatorów. Między innymi dlatego w wielu przypadkach uznaje się, że koszt zastosowania MPC jest ciągle zbyt wysoki.

MPC w wersji on-line charakteryzuje się dużymi wymaganiami obliczeniowymi przez co obecnie wykorzystanie go w układach o dużej dynamice jest niemożliwe. Wersja explicit MPC rozwiązuje problem nieefektywnego algorytmu on-line, rozwiązując problem optymalizacji off-line.

Przykład sterowania predykcyjnego społeczeństwem jest zachowanie i algorytm wypowiedzi Profesora Guta.

https://www.youtube.com/watch?v=wKSOtHzX8oA