MétaCan
Menu
Retour à la cohorte
Enregistrement W2068354092 · doi:10.5302/j.icros.2013.13.9024

Depth Controller Design using Fuzzy Gain Scheduling Method of a Autonomous Underwater Vehicle - Verification by HILS

2013· article· en· W2068354092 sur OpenAlexaff
Jong-Hyon Hwang, Sewon Park, Moon-Hwan Kim, Sang‐Young Lee, Sung Kyung Hong

Notice bibliographique

RevueJournal of Institute of Control Robotics and Systems · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdaptive Control of Nonlinear Systems
Établissements canadiensNexen (Canada)
Organismes subventionnairesnon disponible
Mots-clésGain schedulingFuzzy logicControl theory (sociology)Scheduling (production processes)Computer scienceUnderwaterOvershoot (microwave communication)Control engineeringReal-time computingEngineeringMathematicsControl (management)Mathematical optimizationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper proposes a fuzzy logic gain scheduling method for depth controller of the AUV (Autonomous Underwater Vehicle). Gains of depth controller are calculated by using multi-loop root locus technique. Fuzzy logic based gain scheduling approach is used to modify multi-loop gains as control condition. It is illustrated by simulations that the proposed fuzzy logic gain scheduling method yields smaller rising time and overshoot compared to the fixed-gain controller. Finally, being implemented on real hardwares, all the proposed algorithms are validated with integrations of hardware and software altogether by HILS.

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 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)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil0,799

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,034
Tête enseignante GPT0,257
Écart entre enseignants0,223 · 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 tête enseignante, 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Institute of Control Robotics and SystemsMême sujetAdaptive Control of Nonlinear SystemsTravaux en français237 207