MétaCan
Menu
Retour à la cohorte
Enregistrement W2571274025 · doi:10.1109/icrai.2016.7791233

Fuzzy bilateral control of time delayed nonlinear tele-robotic system in unknown environments through state convergence

2016· article· en· W2571274025 sur OpenAlexaff
Umar Farooq, Jason Gu, M.E. El-Hawary, Muhammad Usman Asad, Ghulam Abbas

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Convergence (economics)Fuzzy logicNonlinear systemController (irrigation)Computer scienceFuzzy control systemControl engineeringRobotic armState (computer science)State spaceRobotEngineeringArtificial intelligenceControl (management)MathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

State convergence belongs to the class of non-passive schemes and offers a complete framework for bilaterally controlling the tele-robotic systems. Contrary to many other schemes, it allows modeling the tele-robotic systems on state space and provides guaranteed performance of their closed loop behavior. In this study, we have used the state convergence scheme to design a bilateral controller for a nonlinear tele-robotic system where the slave is working in an unknown environment. The nonlinear tele-robotic system is first approximated by a Takagi-Sugeno (TS) fuzzy model. A fuzzy control law is then employed to derive the design conditions following the method of state convergence in order to ensure that the slave follows the master and the desired dynamic behavior of the tele-robotic system is achieved. Further, the existing state convergence based linear bilateral controller is found to be a special case of the proposed state convergence based fuzzy bilateral controller. A one-degree-of-freedom (DoF) nonlinear tele-robotic system is finally simulated in MATLAB/Simulink environment to show the effectiveness of the proposed 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,711
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,006
Tête enseignante GPT0,187
Écart entre enseignants0,181 · 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'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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTeleoperation and Haptic SystemsTravaux en français237 207