MétaCan
Menu
Retour à la cohorte
Enregistrement W2142758015 · doi:10.1109/tcst.2011.2159606

Hybrid Fault-Tolerant Flight Control System Design Against Partial Actuator Failures

2011· article· en· W2142758015 sur OpenAlexaff
Xiang Yu, Jin Jiang

Notice bibliographique

RevueIEEE Transactions on Control Systems Technology · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésFTCS schemeActuatorFault toleranceControl theory (sociology)EngineeringFault detection and isolationControl engineeringLinear matrix inequalityFault (geology)Controller (irrigation)Control reconfigurationComputer scienceControl (management)Embedded systemReliability engineeringMathematicsDifferential equationArtificial intelligenceMathematical optimization

Résumé

récupéré en direct d'OpenAlex

A model to represent loss of control effectiveness in an aircraft is developed by analyzing physical faults in the hydraulically-driven control surfaces. A hybrid fault-tolerant control system (FTCS) that combines the merits of passive and active FTCSs is proposed to accommodate this kind of partial actuator failures. The hybrid FTCS is able to first slow down the rate of fault induced system deterioration with minimal fault information so that the fault detection and diagnosis (FDD) schemes can have additional time to achieve more accurate fault diagnosis. Once the correct fault information is obtained, the hybrid FTCS can counteract the faults effectively through an optimal reconfigurable controller. Depending on the availability of actuator redundancies, the passive FTCS and the reconfigurable controller are designed in the framework of linear matrix inequality (LMI) approach. Case studies of an aircraft subject to different degree of loss of control effectiveness have been carried out to prove the effectiveness of this new approach to FTCS.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,189
Écart entre enseignants0,178 · 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

Citations157
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Control Systems TechnologyMême sujetFault Detection and Control SystemsTravaux en français237 207