Parameter Identification and Adaptive Control Of Carbon Nanotube Resonators
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
Abstract In this paper, we exploit an adaptive control scheme to adjust highly sensitive oscillations of fluid conveying carbon nanotube (CNT) resonators. Firstly, we focus on the nonlinear vibrations of the fluid conveying CNTs, considering an added mass using nonlocal Euler‐Bernoulli beam theory. CNT rests on nonlinear Winkler and Pasternak foundations. We use the Galerkin method to extract the nonlinear ordinary differential equation models of the CNT oscillations. We elicit a linear parametric model for estimating the added mass and other parameters of the system. Numerical simulations delineate that the developed model has sensitivity to added mass at the yoctogram level. It is known that CNT vibrations are very sensitive to small perturbations. Accordingly, a small perturbation results in significantly abrupt changes in the vibrational parameters of the targeted system. For that reason, it is crucial to have a potent apparatus for identifying the system parameters in case of sudden changes in the vibrational parameters. For such parameter identification, a least squares (LS) parameter identification algorithm and an extended Luenberger observer are integrated to a pole placement controller for online estimation of the system parameters as well as vibration control of the objective system. It is well‐known that CNTs are potentially ideal atomic force microscopy (AFM) probes, and accordingly, the proposed method is potentially beneficial for identifying highly sensitive motions in AFM. In addition, numerical simulations are presented, showing that the proposed adaptive controller has the potential to be used for vibration control of the CNT resonators even in the case of chaotic motions.
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 | 0,000 | 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 | 0,000 |
| 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