MétaCan
Menu
Retour à la cohorte
Enregistrement W2128606110 · doi:10.1049/iet-cta.2012.0459

Overcoming passivity violations: closed‐loop stability, controller design and controller scheduling

2013· article· en· W2128606110 sur OpenAlexaff
James Richard Forbes, Christopher J. Damaren

Notice bibliographique

RevueIET Control Theory and Applications · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueControl and Stability of Dynamical Systems
Établissements canadiensUniversity of TorontoMcGill University
Organismes subventionnairesnon disponible
Mots-clésPassivityControl theory (sociology)Closed loopController (irrigation)Control engineeringComputer scienceOpen-loop controllerScheduling (production processes)Stability (learning theory)EngineeringControl (management)Artificial intelligenceOperations management

Résumé

récupéré en direct d'OpenAlex

Control of systems that have had their passive input–output map partially violated is the motivation of this study. The hybrid passivity/finite‐gain systems framework is specifically well suited to systems that have experienced a passivity violation. The focus of this study is the extension and application of the hybrid passivity/finite‐gain systems framework to a multi‐input multi‐output (MIMO) control problem. Calculation of the hybrid passivity/finite‐gain parameters in a linear time‐invariant (LTI) MIMO context is considered. Additionally, we show that a set of hybrid very strictly passive/finite‐gain (VSP/finite‐gain) controllers gain‐scheduled in a particular way also possesses hybrid VSP/finite‐gain properties. To synthesise hybrid VSP/finite‐gain controllers a frequency‐weighted optimal control scheme is used to parameterise controllers that are then constrained and optimised within a numerical optimisation framework. The theoretical contributions of this work are validated experimentally using a two‐link flexible manipulator apparatus. Results highlight the utility of the hybrid passivity/finite‐gain framework, the scheduling scheme and controller design method.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,850
Score d'incertitude au seuil1,000

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 Opus0,009
Tête enseignante GPT0,206
Écart entre enseignants0,198 · 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.

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

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Control Theory and ApplicationsMême sujetControl and Stability of Dynamical SystemsTravaux en français237 207