MétaCan
Menu
Retour à la cohorte
Enregistrement W2045114853 · doi:10.1115/detc2005-84333

An Adaptive Evolutionary Switching Control for Robot Manipulators

2005· article· en· W2045114853 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 canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésIterative learning controlControl theory (sociology)Adaptive controlTrajectoryConvergence (economics)Computer scienceContext (archaeology)Feed forwardControl engineeringRobotController (irrigation)Control (management)EngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, a new adaptive switching control approach, called adaptive evolutionary switching PD control (AES-PD), is proposed for iterative operations of robot manipulators. The proposed AES-PD control method is a combination of the feedback of PD control with gain switching and feedforward using the input torque profile obtained from the previous iteration. The asymptotic convergence of the AES-PD control method is theoretically proved using Lyapunov’s method. The philosophy of the switching control strategy is interpreted in the context of the iteration domain to increase the speed of the convergence for trajectory tracking of robot manipulators. The AES-PD control has a simple control structure that makes it easily implemented. The validity of the proposed control scheme is demonstrated for the trajectory tracking of robot manipulators through simulation studies. Simulation results show that the AES-PD control can improve the tracking performance with an increase of the iteration number. The EAS-PD control method has the adaptive and learning ability; therefore, it should be very attractive to applications of industrial robot control.

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 enseignants0,955
Score d'incertitude au seuil0,579

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 GPT0,226
Écart entre enseignants0,216 · 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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIterative Learning Control SystemsTravaux en français237 207