MétaCan
Menu
Retour à la cohorte
Enregistrement W2022312816 · doi:10.1115/dscc2013-3784

Modeling, Identification, and Adaptive Robust Motion Control of Voice-Coil Motor Driven Stages

2013· article· en· W2022312816 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Voice coilNonlinear systemElectromagnetic coilFrequency domainParametric statisticsComputer scienceMotion controlAdaptive controlController (irrigation)Compensation (psychology)Control engineeringEngineeringPhysicsRobotArtificial intelligenceControl (management)Mathematics

Résumé

récupéré en direct d'OpenAlex

Voice-coil motors are widely used in precision motion control of industrial applications such as head positioning of hard disk drives, semiconductor fabrication and packaging. In this paper, to achieve high precision movement potential of vertical voice-coil motor driven stages, the accurate modeling of nonlinear rigid body dynamics is developed, and the model parameters are estimated by the identification experiments in time domain. The neglected high-frequency dynamics are also identified through frequency response experiments to verify the validity of the frequency range of the proposed rigid-body dynamical model. To attenuate the serious nonlinear effect of the plant dynamics, Coulomb friction compensation is used when obtaining the frequency response results. Based on the verified nonlinear rigid-body dynamical model, an adaptive robust controller is developed to obtain a guaranteed performance in the presence of both parametric uncertainties and uncertain nonlinearities. Comparative control experimental results obtained show the effectiveness and good tracking performance of the proposed ARC algorithm.

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.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,712
Score d'incertitude au seuil0,444

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 Opus0,010
Tête enseignante GPT0,192
Écart entre enseignants0,182 · 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

En bref

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIterative Learning Control SystemsTravaux en français237 207