MétaCan
Menu
Retour à la cohorte
Enregistrement W2053523990 · doi:10.1109/acc.2002.1023238

Identification of periodic signals with uncertain frequency

2002· article· en· W2053523990 sur OpenAlexaff
Lyndon J. Brown, Qing Zhang, Xuetao Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Controller (irrigation)SIGNAL (programming language)Band-stop filterComputer scienceFilter (signal processing)Component (thermodynamics)Identification (biology)Periodic functionLow-pass filterAlgorithmMathematicsControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Presents an algorithm to identify periodic signals with uncertain frequency. The approach is based on the behaviour of a notch filter in an error feedback system. As such, the signal is fed to a fictitious plant with a feedback controller. The feedback controller is based on a traditional PI controller in parallel with an internal model which identifies and cancels the periodic disturbances. An additional integral controller then can be used to reduce this error to zero. The output of the notch filter will be the periodic component of the signal, while the input to the fictitious plant will be the non-periodic random component. An improvement to the basic feedback controller is also given to reduce this error by using continuous-time least-squares estimation. A second algorithm based on the Fourier transform (FT) technique is presented and used to confirm the performance of the feedback based algorithm. The frequency of the periodic signal can be found by an optimal algorithm which considers the windowing effect of FTs. Simulations demonstrate the validity of this approach and the algorithm is then applied to some data collected from a spot welder that has been corrupted by a sinusoidal signal whose frequency varies between 30 Hz and 1 KHz.

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)0,002
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,202
Écart entre enseignants0,191 · 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

Citations11
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIterative Learning Control SystemsTravaux en français237 207