Adaptive Control of Piezoelectric Actuators with Unknown Hysteresis
Notice bibliographique
Résumé
Hysteresis phenomenon occurs in all smart material-based sensors and actuators, such as shape memory alloys, piezoceramics and magnetostrictive actuators (Bank & Smith, 2000; In order to study this phenomenon, different models were proposed Normally, hysteresis models are classified into two categories, physics-based model such as Jiles-Atherton model From control systems point of view, hysteresis is generally non-differentiable, nonlinear, and unknown. As a result, systems with hysteresis usually exhibit undesirable inaccuracies or oscillation and even instability. Mitigating the effect of hysteresis becomes necessary and important, thus it has received increasing attention in recent years Many of these studies are related to modeling of hysteresis and their control issues. With the development of artificial intelligent (AI), AI is being applied to dealing with nonlinearities in systems Only a few studies have been carried out by using NN to tackle hysteresis modeling and compensation In the paper Beuschel et al used These researches demonstrate that NN can work as an unknown function approximator to describe the characteristics of hysteresis. Recently, two papers It should be noted that the aforementioned results share a common assumption that the output of hysteresis is measurable. In practical systems, smart actuators are integrated into the systems, which makes the measurement of output of hysteresis hard. Hence it is a challenge to design an observer for www.intechopen.com
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».