MétaCan
Menu
Retour à la cohorte
Enregistrement W2167062899 · doi:10.1109/acc.2009.5160371

Backstepping controller synthesis for piecewise polynomial systems: a sum of squares approach

2009· article· en· W2167062899 sur OpenAlexaff
Behzad Samadi, Luís Rodrigues

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Differential Equations and Dynamical Systems
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPiecewiseLyapunov functionBacksteppingPolynomialController (irrigation)Control theory (sociology)Convex optimizationExplained sum of squaresMathematicsMathematical optimizationFunction (biology)Computer scienceRegular polygonNonlinear systemAdaptive controlControl (management)Artificial intelligenceMathematical analysis

Résumé

récupéré en direct d'OpenAlex

This paper defines a new class of hybrid systems called piecewise polynomial (PWP) systems in strict form and develops a backstepping controller synthesis methodology for these systems. The main contribution of the paper is to formulate controller design for a large class of PWP systems as a convex feasibility problem. The controller synthesis problem for PWP systems in strict feedback form is divided into two cases. The first case consists of the construction of a sum of squares (SOS) Lyapunov function for PWP systems with discontinuous vector fields. The second case addresses the construction of a piecewise polynomial Lyapunov function for PWP systems with continuous vector fields. After constructing a (piecewise) polynomial Lyapunov function, controller synthesis for a PWP system can be formulated as an SOS program, which is a convex optimization problem and can be solved efficiently using available software. One major advantage of the proposed method is the fact that it can handle systems with discontinuous vector fields and sliding modes. The new synthesis method is applied to a numerical example.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,047
Tête enseignante GPT0,311
Écart entre enseignants0,264 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Differential Equations and Dynamical SystemsTravaux en français237 207