MétaCan
Menu
Retour à la cohorte
Enregistrement W2765583918 · doi:10.1115/detc2017-68131

Analysis of Sliding Mode Observers Using a Novel Time-Averaged Lyapunov Function

2017· article· en· W2765583918 sur OpenAlex
Sagar Mehta, Krishna Vijayaraghavan

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdaptive Control of Nonlinear Systems
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSimon Fraser University
Mots-clésControl theory (sociology)Observer (physics)Lyapunov functionGaussian noiseNoise (video)CovarianceSliding mode controlGaussianMathematicsMode (computer interface)Stability (learning theory)Computer scienceQuadratic equationAlgorithmNonlinear systemArtificial intelligenceStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

Sliding mode observers are known to be robust to model uncertainties. However, sliding mode observers have not been well analyzed in the presence of Gaussian disturbances and no previous results exist for a pure sliding mode observer in the presence of sensor noise. A traditional quadratic Lyapunov function that is used to determine the stability of sliding mode observers, fails for noisy systems. Hence this paper introduces a novel Lyapunov candidate function termed the time averaged Lyapunov (TAL) function to analyze the stability of noisy systems. The TAL specifically examines the effect of the Gaussian noise on a sliding mode observer. Using this TAL function, the paper demonstrates that Gaussian sensor noise does not affect the stability or chatter of the observer. Further, the covariance of the noise only affects the convergence rate of the observer. Simulation results are reported to demonstrate the effectiveness of the proposed approach on a Linear system.

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 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 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: Empirique
Score de désaccord entre enseignants0,495
Score d'incertitude au seuil0,531

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)0,0000,000

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 Opus0,046
Tête enseignante GPT0,266
Écart entre enseignants0,220 · 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

En bref

Citations3
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdaptive Control of Nonlinear SystemsTravaux en français237 207