MétaCan
Menu
Retour à la cohorte
Enregistrement W1999581873 · doi:10.1155/2014/745963

Output‐Feedback Control of a Chaotic MEMS Resonator for Oscillation Amplitude Enhancement

2014· article· en· W1999581873 sur OpenAlexaff
Alexander Jiménez-Triana, Guchuan Zhu, Lahcen Saydy

Notice bibliographique

RevueMathematical Problems in Engineering · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueNonlinear Dynamics and Pattern Formation
Établissements canadiensUniversité de MontréalPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésAttractorBacksteppingControl theory (sociology)Oscillation (cell signaling)ChaoticAmplitudeParametric statisticsResonatorMicroelectromechanical systemsPhysicsComputer scienceControl (management)Nonlinear systemMathematicsMathematical analysisOpticsAdaptive control

Résumé

récupéré en direct d'OpenAlex

The present work addresses the problem of chaos control in an electrostatic MEMS resonator by using an output‐feedback control scheme. One of the unstable orbits immersed in the chaotic attractor is stabilized in order to produce a sustained oscillation of the movable plate composing the microstructure. The orbit is carefully chosen so as to produce a high amplitude oscillation. This approach allows the enhancement of oscillation amplitude of the resonator at a reduced control effort, since the unstable orbit already exists in the system and it is not necessary to spend energy to create it. Realistic operational conditions of the MEMS are considered including parametric uncertainties in the model and constraints due to the difficulty in measuring the speed of the plates of the microstructure. A control law is constructed recursively by using the technique of backstepping. Finally, numerical simulations are carried out to confirm the validity of the developed control scheme and to demonstrate the effect of controlling orbits immersed in the chaotic attractor.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,013
Tête enseignante GPT0,221
Écart entre enseignants0,208 · 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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Problems in EngineeringMême sujetNonlinear Dynamics and Pattern FormationTravaux en français237 207