Buchumschlag

Exploiting structural observability and graph colorability for optimal sensor placement in water distribution networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	van Gemert, J. J. H., Breschi, V., Yntema, D. R., Keesman, K. J., Lazar, M.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The impact of sensor placement on graph-neural-network-based leakage detection
von: van Gemert, J. J. H., et al.
Veröffentlicht: (2026)

Scalable Sensor Placement for Cyclic Networks with Observability Guarantees: Application to Water Distribution Networks
von: van Gemert, J. J. H., et al.
Veröffentlicht: (2025)

Data-driven optimization of sparse sensor placement in thermal hydraulic experiments
von: Wang, Xicheng, et al.
Veröffentlicht: (2025)

Koopman Data-Driven Predictive Control with Robust Stability and Recursive Feasibility Guarantees
von: de Jong, Thomas, et al.
Veröffentlicht: (2024)

Damage identification of offshore jacket platforms in a digital twin framework considering optimal sensor placement
von: Wang, Mengmeng, et al.
Veröffentlicht: (2024)

On unifying control barrier and Lyapunov functions using QP and Sontag's formula with an application to tumor dynamics
von: van Gemert, Jarne J. H., et al.
Veröffentlicht: (2024)

A graph-informed regret metric for optimal distributed control
von: Martinelli, Daniele, et al.
Veröffentlicht: (2025)

A universal reproducing kernel Hilbert space for learning nonlinear systems operators
von: Lazar, Mircea
Veröffentlicht: (2024)

Toward Federated DeePC: borrowing data from similar systems
von: Vankan, Gert, et al.
Veröffentlicht: (2025)

Achieving violation-free distributed optimization under coupling constraints
von: Liu, Changxin, et al.
Veröffentlicht: (2024)

Structured physics-guided neural networks for electromagnetic commutation applied to industrial linear motors
von: Bolderman, Max, et al.
Veröffentlicht: (2024)

Neural Data-Enabled Predictive Control
von: Lazar, Mircea
Veröffentlicht: (2024)

Voltage-sensitive distribution factors for contingency analysis and topology optimization
von: Titz, Maurizio, et al.
Veröffentlicht: (2025)

Data-informativity conditions for structured linear systems with implications for dynamic networks
von: Hof, Paul M. J. Van den, et al.
Veröffentlicht: (2024)

Uncertainty-aware data-driven predictive control in a stochastic setting
von: Breschi, Valentina, et al.
Veröffentlicht: (2022)

Meta-learning of data-driven controllers with automatic model reference tuning: theory and experimental case study
von: Busetto, Riccardo, et al.
Veröffentlicht: (2024)

Bias correction and instrumental variables for direct data-driven model-reference control
von: Mejari, Manas, et al.
Veröffentlicht: (2024)

On the impact of regularization in data-driven predictive control
von: Breschi, Valentina, et al.
Veröffentlicht: (2023)

PM-EKF: A Physiological Model-Based Extended Kalman Filter for Daily-Life Physical Activity Energy Expenditure Estimation
von: Que, Shuhao, et al.
Veröffentlicht: (2026)

Harnessing Uncertainty for a Separation Principle in Direct Data-Driven Predictive Control
von: Chiuso, Alessandro, et al.
Veröffentlicht: (2023)

Multi-cluster distributed optimization in open multi-agent systems over directed graphs with acknowledgement messages
von: Makridis, Evagoras, et al.
Veröffentlicht: (2025)

A continuous-time violation-free multi-agent optimization algorithm and its applications to safe distributed control
von: Tan, Xiao, et al.
Veröffentlicht: (2024)

Voltage enhancement and loss minimization in a radial network through optimal capacitor sizing and placement based on Crow Search Algorithm
von: Mathenge, Stephen W., et al.
Veröffentlicht: (2024)

Innovation diffusion dynamics toward long-term behavioral shifts
von: Piccinin, Lisa, et al.
Veröffentlicht: (2025)

Uncertainty-based perturb and observe for data-driven optimization
von: Aarnoudse, Leontine, et al.
Veröffentlicht: (2026)

On the equivalence of direct and indirect data-driven predictive control approaches
von: Mattsson, Per, et al.
Veröffentlicht: (2024)

Constrained optimization of sensor placement for nuclear digital twins
von: Karnik, Niharika, et al.
Veröffentlicht: (2023)

Physics-guided neural networks for feedforward control with input-to-state stability guarantees
von: Bolderman, Max, et al.
Veröffentlicht: (2023)

Finite Control Set Model Predictive Control with Limit Cycle Stability Guarantees
von: Xu, Duo, et al.
Veröffentlicht: (2024)

Identification of diffusively coupled linear networks through structured polynomial models
von: M., E. M., et al.
Veröffentlicht: (2021)

Physics-guided neural networks for inversion-based feedforward control applied to hybrid stepper motors
von: Fan, Daiwei, et al.
Veröffentlicht: (2023)

Short-term wind forecasting via surface pressure measurements: stochastic modeling and sensor placement
von: Abootorabi, Seyedalireza, et al.
Veröffentlicht: (2024)

The curse of dimensionality: what lies beyond the capabilities of physics-informed neural networks
von: Penuela, J., et al.
Veröffentlicht: (2025)

A method for optimizing the structure of the software and hardware complex of a distributed process control system for large industrial enterprises
von: Zakirzyanov, Ruslan
Veröffentlicht: (2026)

Optimal policy design for decision problems under social influence
von: Breschi, Valentina, et al.
Veröffentlicht: (2024)

Fairness-aware design of nudging policies under stochasticity and prejudices
von: Piccinin, Lisa, et al.
Veröffentlicht: (2026)

Optimal policy design for innovation diffusion: shaping today's incentives for transforming the future
von: Piccinin, Lisa, et al.
Veröffentlicht: (2025)

One controller to rule them all
von: Busetto, Riccardo, et al.
Veröffentlicht: (2024)

Numerical optimal control for distributed delay differential equations: A simultaneous approach based on linearization of the delayed variables
von: Ritschel, Tobias K. S.
Veröffentlicht: (2024)

Simulation-based optimization of a production system topology -- a neural network-assisted genetic algorithm
von: Paape, N., et al.
Veröffentlicht: (2024)