Output Feedback Model Predictive Control of Interval Type-2 T–S Fuzzy System With Bounded Disturbance
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
In this paper, the problem of output feedback model predictive control (MPC) for interval Type-2 Takagi-Sugeno fuzzy systems with bounded disturbance is investigated. The output feedback MPC approach includes an offline design of the state observer to estimate true states and predict bounds of future estimation error sets, and an online problem that optimizes the controller gains to stabilize the closed-loop observer system. The dynamics of the estimation error system is determined by the offline designed observer gain, and bounds of which are online refreshed by scaling a minimal robust positively invariant (RPI) set via a scalar. The optimized controller gains steer the current estimated state from an RPI set into another one such that future estimated states are invariant in the subsequent RPI set. Convergence of the estimation error system and stability condition on the closed-loop observer system in terms of linear matrix inequalities are derived using the technique of S-procedure. The estimation error and estimated state converge within the corresponding time-varying RPI sets, and therefore, recursive feasibility of the optimization problem and input-to-state stability of the closed-loop observer system with respect to the estimation error and bounded disturbance are ensured. For reducing the online computational burden, a lookup table that stores the offline calculated controller gains with corresponding regions of attraction is offline constructed for online searching real-time controller gains. A simulation example is given to show the effectiveness of the 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.
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) | 0,001 | 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