MétaCan
Menu
Retour à la cohorte
Enregistrement W2163816254 · doi:10.1109/robio.2005.246334

Hybrid control for MIMO nonlinear system using RCMAC

2005· article· en· W2163816254 sur OpenAlexfundno aff
Chih‐Min Lin, Liyang Chen, Chiu-Hsiung Chen, Te-Yu Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdaptive Control of Nonlinear Systems
Établissements canadiensnon disponible
Organismes subventionnairesNational Science CouncilNunavut General Monitoring Plan
Mots-clésControl theory (sociology)Cerebellar model articulation controllerMIMOController (irrigation)Nonlinear systemComputer scienceCompensation (psychology)Sliding mode controlLyapunov stabilityControl systemObserver (physics)Lyapunov functionControl engineeringAdaptive controlEngineeringControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

A hybrid control system, using a recurrent cerebellar model articulation controller (RCMAC) and based on sliding mode technique, is developed for multiple-input-multiple-output (MIMO) uncertain nonlinear systems. The proposed control system is comprised of a principal controller and a compensation controller. The principal controller containing an RCMAC uncertainty observer is the main controller, and the compensation controller is a compensator for the approximation error of the system uncertainty. The on-line adaptive laws of the control system are derived based on the Lyapunov stability theorem, so that the stability of the system can be guaranteed. Finally, the proposed design method is applied to a biped robot control. Simulation results demonstrate the effectiveness of the proposed control scheme for the MIMO uncertain nonlinear systems

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)0,000
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 enseignants0,908
Score d'incertitude au seuil0,845

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,216 · 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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdaptive Control of Nonlinear SystemsTravaux en français237 207