MétaCan
Menu
Retour à la cohorte
Enregistrement W1988482490 · doi:10.1109/acc.2012.6315139

A comparative study of control algorithms for active trailer steering systems of articulated heavy vehicles

2012· article· en· W1988482490 sur OpenAlexaff
Xuejun Ding, Yuping He, Jing Ren, Tao Sun

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésLinear-quadratic regulatorControl theory (sociology)Benchmark (surveying)TrailerVehicle dynamicsComputer scienceMATLABController (irrigation)Control engineeringStability (learning theory)Control systemTractorFuzzy logicEngineeringControl (management)Automotive engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a benchmark investigation on control algorithms for active trailer steering (ATS) systems of articulated heavy vehicles (AHVs). Two control algorithms are designed for the ATS systems of AHVs, which are derived using the Fuzzy Logic Control (FLC) and Linear Quadratic Regulator (LQR) techniques, respectively. The two algorithms are evaluated through dynamic simulations of an AHV with ATS systems. The AHV with a tractor/semi-trailer configuration is modeled using a multibody software package, TruckSim, and the controllers are designed in Simulink/Matlab. With the interface between the two packages, the controllers and the vehicle model are integrated and the dynamic simulations can be conducted. Under the specified test maneuvers, the directional performance of the ATS systems based on the two algorithms are compared. The simulation results show that compared with the baseline design, both the FLC and LQR controllers can improve the maneuverability and stability of the AHV. The performance comparison also indicates that the controller based on the LQR technique outperforms that derived from the FLC method. However, the former achieves better performance at the expense of higher energy consumption.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,252
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), 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
GenreEmpirique

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

En bref

Citations15
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVehicle Dynamics and Control SystemsTravaux en français237 207