MétaCan
Menu
Retour à la cohorte
Enregistrement W2811054665 · doi:10.1115/1.4040666

Bilateral Adaptive Control of Nonlinear Teleoperation Systems With Uncertain Dynamics and Dead-Zone

2018· article· en· W2811054665 sur OpenAlexaff
Xia Liu, Mahdi Tavakoli

Notice bibliographique

RevueJournal of Dynamic Systems Measurement and Control · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTeleoperationControl theory (sociology)Dead zoneAdaptive controlRobotNonlinear systemTransparency (behavior)Lyapunov functionComputer scienceControl engineeringDynamic positioningController (irrigation)EngineeringControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Dead-zone is one of the most common hard nonlinearities ubiquitous in master–slave teleoperation systems, particularly in the slave robot joints. However, adaptive control techniques applied in teleoperation systems usually deal with dynamic uncertainty but ignore the presence of dead-zone. Dead-zone has the potential to remarkably deteriorate the transparency of a teleoperation system in the sense of position and force tracking performance or even destabilizing the system if not compensated for in the control scheme. In this paper, an adaptive bilateral control scheme is proposed for nonlinear teleoperation systems in the presence of both uncertain dynamics and dead-zone. An adaptive controller is designed for the master robot with dynamic uncertainties and the other is developed for the slave robot with both dynamic uncertainties and unknown dead-zone. The two controllers are incorporated into the four-channel bilateral teleoperation control framework to achieve transparency. The transparency and stability of the closed-loop teleoperation system is studied via a Lyapunov function analysis. Comparisons with the conventional adaptive control which merely deal with dynamic uncertainties in the simulations demonstrate the validity 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)0,001
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: aucune
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,711

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
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 recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,196
Écart entre enseignants0,185 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dynamic Systems Measurement and ControlMême sujetTeleoperation and Haptic SystemsTravaux en français237 207