MétaCan
Menu
Retour à la cohorte
Enregistrement W2529699013 · doi:10.1016/j.ifacol.2016.09.069

Hidden Coupling Terms Inclusion in Gain-Scheduling Control Design: Extension of an Eigenstructure Assignment-Based Technique**This work was supported by NSERC under Grant RGPIN-2014-03942 and RGPIN-312116-13.

2016· article· en· W2529699013 sur OpenAlexaff
Hugo Lhachemi, David Saussié, Guchuan Zhu

Notice bibliographique

RevueIFAC-PapersOnLine · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueStability and Control of Uncertain Systems
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésGain schedulingControl theory (sociology)AutopilotNonlinear systemBenchmark (surveying)Scheduling (production processes)Coupling (piping)MissileControl engineeringEngineeringComputer scienceControl systemMathematicsMathematical optimizationControl (management)Artificial intelligencePhysicsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

This paper tackles the gain-scheduling control design issue when endogenous signals are selected as scheduling parameters. In this case, the gain-scheduled controller exhibits nonlinear dynamics, leading to the occurrence of hidden coupling terms in the linearized dynamics. Omitting hidden coupling terms in the synthesis process may induce performance degradation or even the destabilization of the closed-loop system. The present paper aims at extending a previous work on the design of gain-scheduled controller for hidden coupling terms inclusion via eigenstructure assignment technique. The efficiency of the proposed procedure is illustrated on a pitch-axis missile autopilot benchmark problem and is validated through nonlinear simulations.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,222
Écart entre enseignants0,211 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFAC-PapersOnLineMême sujetStability and Control of Uncertain SystemsTravaux en français237 207