MétaCan
Menu
Retour à la cohorte
Enregistrement W2918340046 · doi:10.1155/2019/9723042

Distributed <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mrow><mml:msub><mml:mrow><mml:mi>H</mml:mi></mml:mrow><mml:mrow><mml:mi>∞</mml:mi></mml:mrow></mml:msub></mml:mrow></mml:math> Control of AVs Interacting by Uncertain and Switching Topology in a Platoon

2019· article· en· W2918340046 sur OpenAlexvenueno aff
Feng Gao, Dongfang Dang, Qiuxia Hu, Yingdong He

Notice bibliographique

RevueJournal of Advanced Transportation · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaState Key Laboratory of Vehicle NVH and Safety Technology
Mots-clésAlgorithmComputer sciencePlatoonArtificial intelligenceTopology (electrical circuits)MathematicsCombinatorics

Résumé

récupéré en direct d'OpenAlex

To overcome the challenges arising from the weakness of wireless communication, this paper presents a distributed H∞ control method for multi-AVs connected by an uncertain and switching topology in a platoon. After compensating for the powertrain nonlinearities, we model the node dynamics as a linear uncertain system. By applying the eigenvalue decomposition and linear transformation, the platoon system is decomposed to multiple low order subsystems depending on the eigenvalues of the topological matrix. The sufficient condition ensuring the robust performance of the platoon is presented by using the invariant of signal amplitude of the linear transformation. Then a numerical method is provided to solve the state feedback controller by using the LMI scheme. Only the bounds of the topological eigenvalues are necessary for this new synthesis method and the designed controller can govern the platoon composed of disturbed nodes and interacting by uncertain even switching topologies in a satisfactory way. The effectiveness of this distributed H∞ control strategy is validated by comparative bench tests between nominal and disturbed conditions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,008
Tête enseignante GPT0,221
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic control and managementTravaux en français237 207