Active Flatness Control of Membrane Structures Using Fuzzy Logic Integrated Genetic Algorithm
Notice bibliographique
Résumé
Membrane structures are attracting attention as excellent candidates for lightweight large space structures, which can be utilized to improve the performance and reduce the cost of space exploration and earth observation missions. Membrane structures can be stowed to a small volume during launch and function as large structures after deployed. Membrane structures to be used in large synthetic aperture radar (SAR) satellites will have flatness issue subject to thermal disturbance in the space environment. Active shape control is a vital technology in maintaining flatness of membrane structures, therefore to ensure functionality of the antenna, in the time-varying environment. In this research, multiple shape memory alloy (SMA) actuators around the boundary of a rectangular membrane are used to apply tension forces to membrane structures to compensate for wrinkle effects. The dynamics of membrane structures is nonlinear and computationally expensive, hence unfeasible to be used in real-time active flatness control. As a parallel direct searching method, genetic algorithm (GA) is used search optimal tension force combination on a high dimensional nonlinear surface. Due to large number of tension forces to search, robust and mature convergence is more difficult to attain. In order to increase responsiveness and convergence of genetic algorithm, adaptive regulation of genetic algorithm parameter is important. Rather than heuristic adaptive rules, fuzzy logic integrated genetic algorithm (FLIGA) is proposed and designed in this paper. Fuzzy logic rules are incorporated in an adaptive genetic algorithm to regulate control parameters, such as mutation rate and crossover rate. Through numerical and experimental validation, it is demonstrated that FLIGA can expedite its search process and prevent premature convergence.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».