Model‐free online tuning of controller parameters using a globalized local search algorithm
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
Summary In an earlier work, the authors proposed a globalized bounded Nelder‐Mead algorithm with deterministic restarts and a linearly growing memory vector. It was shown that the algorithm was a favorable option for solving multimodal optimization problems like controller tuning because of the greater probability of finding the global minimum and lesser numerical cost. Therefore, the algorithm was successfully used for model‐based offline tuning of sliding mode controller parameters for a servo‐pneumatic position control application. However, such offline tuning requires a sufficiently adequate system model, which, in some applications, is difficult to attain. Moreover, it is not generally appreciated as an essential requirement for controller tuning by the end user like the industry. An improvement in performance of optimization algorithm for tuning is expected if it relies on measurements coming directly from an actual physical system and not just its mathematical model. Therefore, in this paper, we apply the aforementioned algorithm for model‐free online optimization of controller parameters. The application involves the programmatic control of a real‐time interface of a physical system by the algorithm for data flow and logical decisions for optimization. For comparison with the results of the model‐based offline tuning suggested in earlier work, the sliding mode controller parameters are tuned online for the same position control application. The experimental results reveal that the system performance with controller parameters tuned online using the algorithm compares favorably to the one with model‐based offline tuning especially at higher priority level for accuracy. The improvement in system performance amounts to 21%.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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