MétaCan
Menu
Retour à la cohorte
Enregistrement W2000689269 · doi:10.1109/icccyb.2013.6617615

Solutions to avoid the worst case scenario in driving systems working under continuously variable conditions

2013· article· en· W2000689269 sur OpenAlexaff
Alexandra-Julia Stinean, Ștefan Preitl, Radu‐Emil Precup, Claudia‐Adina Bojan‐Dragos, Emil M. Petriu, Mircea‐Bogdan Rădac

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueControl Systems in Engineering
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésVariable (mathematics)Control theory (sociology)Moment of inertiaMoment (physics)Control engineeringInertiaControl systemComputer scienceFocus (optics)Digital controlControl (management)Disturbance (geology)EngineeringMathematicsElectronic engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The paper presents a study on the behavior of some control solutions for electric drive systems evolving in conditions of reference, disturbance and parameter variability. The results of this study substantiate new control solutions that ensure the possibility to avoid the worst cases. The study addresses the real situation of an electric drive system with continuously variable reference input (speed), variable moment of inertia and variable load disturbance. Two control structures with controllers with fixed parameters are considered and discussed with focus on the speed control loop. The justified new control structures employ the switching between several control algorithms; their design is based on the detailed mathematical model of the plant and on the particular features of the drive system. The solutions are validated by means of digital simulations and experiments on a laboratory equipment application for three values of the moment of inertia.

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)0,004
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,011
Tête enseignante GPT0,192
Écart entre enseignants0,181 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetControl Systems in EngineeringTravaux en français237 207