MétaCan
Menu
Retour à la cohorte
Enregistrement W2169202900 · doi:10.1115/1.4000835

Robust Control Synthesis Techniques for Multirate and Multisensing Track-Following Servo Systems in Hard Disk Drives

2010· article· en· W2169202900 sur OpenAlexaff
Ryozo Nagamune, Xinghui Huang, Roberto Horowitz

Notice bibliographique

RevueJournal of Dynamic Systems Measurement and Control · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueStability and Control of Uncertain Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRobust controlRobustness (evolution)Track (disk drive)Parametric statisticsServoControl theory (sociology)Control engineeringServomechanismLinear matrix inequalityControl systemMathematical optimizationControl (management)EngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This paper proposes controller design methods, specially for track-following control of the magnetic read/write head in a hard disk drive (HDD). The servo system to be considered is a general dual-stage multisensing system, which encompasses most of the track-following configurations encountered in the HDD industry, including the traditional single-stage system. For the general system, a robust track-following problem is formulated as a time-varying version of the robust H2 synthesis problem. Both dynamic and real parametric uncertainties, which are typical model uncertainties in track-following control, are taken into account in the formulation. Three optimal robust controller design techniques with different robustness guarantees are applied to solve the synthesis problem. These are mixed H2/H∞, mixed H2/μ, and robust H2 syntheses. Advantages and disadvantages of each method are presented. Multirate control, which is inherent to control problems in HDDs, is obtained by reducing multirate problems into linear time-invariant ones, for which there are many useful theories and algorithms available. Most of the techniques proposed in this paper heavily rely on efficient numerical tools for solving linear matrix inequalities.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,207
Écart entre enseignants0,190 · 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

Citations26
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dynamic Systems Measurement and ControlMême sujetStability and Control of Uncertain SystemsTravaux en français237 207