MétaCan
Menu
Retour à la cohorte
Enregistrement W2471525382 · doi:10.1017/s0263574716000448

Distributed adaptive control strategy for flexible link manipulators

2016· article· en· W2471525382 sur OpenAlexaff
Raouf Fareh, Mohamad Saad, Maâmar Bettayeb

Notice bibliographique

RevueRobotica · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueDynamics and Control of Mechanical Systems
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à MontréalUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Link (geometry)Lyapunov functionComputer scienceController (irrigation)Adaptive controlEstimatorSerial manipulatorAdaptive estimatorControl engineeringStability (learning theory)Lyapunov stabilityControl (management)RobotMathematicsParallel manipulatorEngineeringArtificial intelligenceNonlinear system

Résumé

récupéré en direct d'OpenAlex

SUMMARY This paper presents an adaptive distributed control strategy for n-serial-flexible-link manipulators. The proposed adaptive controller is used for flexible-link-manipulators: (1) to solve the tracking control problem in the joint space, and (2) to reduce vibrations of the links. The dynamical model of flexible link manipulators is reorganized to take the form of n interconnected subsystems. Each subsystem has a one-joint and one-link pair. The system parameters are deemed to be unknown. The adaptive distributed strategy controls one subsystem in each step, starting from the last one. Thenth subsystem is controlled by assuming that the remaining subsystems are stable. Then, proceeding backward to the (n-1)th system, the same strategy is applied, and so on, until the first subsystem is reached. The gradient-based estimator is used to estimate the parameters of each subsystem. The control law of theith subsystem uses its own estimated parameters and the estimated parameters of all upper level subsystems. The global stability of the error dynamics is proved using Lyapunov approach. This algorithm was implemented in real time on a two-flexible-link manipulator, and a comparison with the non-adaptive version shows the effectiveness of this approach.

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 enseignants0,003
Score d'incertitude au seuil0,006

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,221
Écart entre enseignants0,201 · 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

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoboticaMême sujetDynamics and Control of Mechanical SystemsTravaux en français237 207