Robust stabilization for discrete-time Takagi-Sugeno fuzzy system based on N4SID models
Notice bibliographique
Résumé
Purpose Nonlinear systems identification from experimental data without any prior knowledge of the system parameters is a challenge in control and process diagnostic. It determines mathematical model parameters that are able to reproduce the dynamic behavior of a system. This paper aims to combine two fundamental research areas: MIMO state space system identification and nonlinear control system. This combination produces a technique that leads to robust stabilization of a nonlinear Takagi–Sugeno fuzzy system (T-S). Design/methodology/approach The first part of this paper describes the identification based on the Numerical algorithm for Subspace State Space System IDentification (N4SID). The second part, from the identified models of first part, explains how we use the interpolation of linear time invariants models to build a nonlinear multiple model system, T-S model. For demonstration purposes, conditions on stability and stabilization of discrete time, T-S model were discussed. Findings Stability analysis based on the quadratic Lyapunov function to simplify implementation was explained in this paper. The linear matrix inequalities technique obtained from the linearization of the bilinear matrix inequalities was computed. The suggested N4SID2 algorithm had the smallest error value compared to other algorithms for all estimated system matrices. Originality/value The stabilization of the closed-loop discrete time T-S system, using the improved parallel distributed compensation control law, was discussed to reconstruct the state from nonlinear Luenberger observers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».