MétaCan
Menu
Retour à la cohorte
Enregistrement W1842351032 · doi:10.1109/isie.1992.279614

Design of controller for robots using the robust root locus of discrete time systems

2003· article· en· W1842351032 sur OpenAlexaff
Yanhui Tong, Ν.Κ. Sinha

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésRoot locusRobustness (evolution)Control theory (sociology)Transfer functionComputationBounded functionLocus (genetics)PolynomialMathematicsComplex planeComputer scienceAlgorithmControl systemEngineeringArtificial intelligenceMathematical analysis

Résumé

récupéré en direct d'OpenAlex

A technique for generating multi-parameter root loci of a continuous time feedback system was introduced by Barmish and Tempo (1990). For uncertainties in l parameters of the plant, the robust root locus is reduced to a two-dimensional bounded subset of the complex plane. This is much better than treating the complete l-dimensional set and plotting a large number of ordinary root loci. In this paper, the authors extend this procedure to discrete time systems. A computational method for plotting the robust root locus of discrete time systems is developed. The graph of the locations of the poles of the transfer function of the closed loop system corresponding to each gain can be plotted readily and accurately with this method. The sensitivity of poles to the coefficients of the characteristic polynomial can thus be examined and the optimal tuning gain selected to reach a better robustness. Also a stricter bound of the zeros of the characteristic polynomial is given to further reduce the computation of the robust root locus. The technique is applied to the design of robot manipulators. Simulations of controller design for the PUMA 762 robotic disk grinding process are included.< <ETX xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">&gt;</ETX>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,962
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,218
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Control Systems OptimizationTravaux en français237 207