MétaCan
Menu
Retour à la cohorte
Enregistrement W2331438631 · doi:10.2514/6.2010-7844

Direct Model Reference Adaptive Control of a Flexible Joint Robot

2010· article· en· W2331438631 sur OpenAlexafffund
Steve Ulrich, Jurek Z. Sąsiadek

Notice bibliographique

RevueAIAA Guidance, Navigation, and Control Conference · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueDynamics and Control of Mechanical Systems
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Space AgencyDeutsches Zentrum für Luft- und Raumfahrt
Mots-clésComputer scienceJoint (building)Adaptive controlRobotReference modelRobot controlControl (management)Robot kinematicsControl theory (sociology)Control engineeringMobile robotArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Flexible effects in the joints of large space robots make their real-time operation a challenging task, especially when accurate endpoint positioning is required. The problem is further aggravated when the flexible joint stiffness matrix is not well known. This paper discusses the application of a model reference adaptive control (MRAC) composite system for tracking the endpoint of a flexible joint space robotic manipulator. The composite control scheme consists in a flexible control term designed to damp the joint vibrations plus a Transpose Jacobian rigid control term for which the control gains are adapted using a novel direct MRAC adaptation law. Numerical simulations show that the adaptive composite controller can maintain stability and good tracking performance despite significant uncertainties in the joint stiffness coefficients. Nomenclature ) , ( q q C & r = rigid centrifugal and Coriolis matrix x e , y e = model reference endpoint position error, ref x – x and ref y – y i I = inertia of link i , n i , , 1 K = m J = motor inertia matrix i m J = inertia of motor i , n

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)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,001
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 Opus0,015
Tête enseignante GPT0,214
Écart entre enseignants0,198 · 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

Citations15
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIAA Guidance, Navigation, and Control ConferenceMême sujetDynamics and Control of Mechanical SystemsTravaux en français237 207