MétaCan
Menu
Retour à la cohorte
Enregistrement W2218328945 · doi:10.1109/iccas.2015.7364911

MPC-based FTC with FDD against actuator faults of UAVs

2015· article· en· W2218328945 sur OpenAlexaff
Bin Yu, Youmin Zhang, Yaohong Qu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésActuatorControl theory (sociology)Fault toleranceController (irrigation)Kalman filterFault (geology)Fault detection and isolationModel predictive controlComputer scienceEngineeringControl engineeringExtended Kalman filterControl (management)Reliability engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The increasing development of unmanned aerial vehicles (UAVs) and the requirements of high autonomy and safety levels require that the controller of UAVs should possess fault-tolerant/reconfigurable function to accommodate unpredicted situations such as actuator faults, sensor faults, or aircraft damage. This paper addresses the partial loss of control effectiveness (LOE) of actuators in a quadrotor UAV using model predictive control (MPC) with terminal constraints, which allows to track a reference command even if in the presence of actuator faults. The proposed fault-tolerant control system (FTCS) adopts MPC technique to design fault-tolerant controller and state-augmented Kalman filter (SAKF) to achieve fault detection and diagnosis (FDD) function. Simulation results based on a quadrotor UAV demonstrate that the proposed fault-tolerant controller has a good performance in accommodating actuator faults.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,287

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 Opus0,010
Tête enseignante GPT0,193
Écart entre enseignants0,183 · 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
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

Citations18
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFault Detection and Control SystemsTravaux en français237 207