An extension of linear-quadratic regulator trend to determine near optimal performance of nonlinear systems using evolutionary algorithms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The optimal control theory is focused on operating dynamic systems at minimum cost where cost would be defined as a function of time, the control effort, or a combination of both. Linear-quadratic regulator (LQR), as one of the well-known methods in this field, deals with obtaining an optimum control input for linear systems. In this study, we have proposed a novel method to employ the linear-quadratic regulator solution of a linearised system towards determining near-optimal performance for the corresponding nonlinear system. The LQR solution is used in this method to determine either the starting point or boundaries of the search domain. Next, an optimisation technique such as particle swarm optimisation (PSO), genetic algorithm (GA) or ant colony optimisation (ACO) can be used to find the near-optimal parameters for the employed controller unit. It should be noted that the controller unit can operate based on any modern control concept such as sliding mode control (SMC) or primitive partial-integral-derivative (PID) control commonly used in industrial applications for the ease-of-use and reliability it provides. Performance of the proposed technique is evaluated for the attitude control of a flexible micro-satellite. Numerical simulations are employed in conjunction with experimental results from a hardware-in-the-loop (HITL) test-bed. Results show superior performance of the proposed methodology compared to existing literature.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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