Intelligent Model Predictive Control of a Flexible-Link Robotic Manipulator
Notice bibliographique
Résumé
This paper presents an intelligent, model-based predictive control (IMPC) strategy for motion control a flexible-link robot manipulator. The proposed IMPC is based on a two-level hierarchical control architecture. This control structure is used to combine the advantages of crisp model-based predictive control and knowledge-based soft control techniques. The top-level is a fuzzy-rule based intelligent decision-making system. The low-level consists of two modules: Real time system identification module, and the model-based predictive control (MPC) module. The top-level intelligent fuzzy-rule based tuner interacts with the low-level modules. Based on the desired system performance, the state feedbacks, and the knowledge base, the top-level fuzzy tuner automatically adjusts the tuning parameters of the MPC controller. It is also able to adjust the model structure of system identification module, if necessary, for large model errors, and will increase the robustness of the controller. A multi-stage MPC algorithm is used by MPC module to ensure the nominal stability of the controller based on Lyapunov’s theorem. Physical implementation of the IMPC in a prototype flexible link manipulator system (FLMS) is explored. The performance of the proposed IMPC scheme is evaluated using computer simulations of the prototype FLMS. The results show that the IMPC can effectively control the motion of a flexible-link robot manipulator.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».