MétaCan
Menu
Retour à la cohorte
Enregistrement W2964384356 · doi:10.1109/isie.2019.8781450

Optimal Sampling Rate and Quantization for Networked Control Systems

2019· article· en· W2964384356 sur OpenAlexaff
Mohammad Hossein Roohi, Tongwen Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStability and Control of Uncertain Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésQuantization (signal processing)Sampling (signal processing)Computer scienceControl theory (sociology)Networked control systemQueueing theoryNorm (philosophy)Upper and lower boundsControl systemMathematicsMathematical optimizationControl (management)AlgorithmTelecommunicationsComputer networkArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Sampling and quantization in Networked Control Systems (NCS) are addressed in this paper. The NCS studied in this paper consists of a continuous time plant, a sensor network and a discrete time controller. The amount of network induces delay to the control system is a function of the sampling rate of the control system. An upper bound for the delay will be found using network calculus which is a theory for deterministic queuing. From the control side of view, we consider a delayed sampled data system and propose a method to study the effects of sampling and delay in a unified framework. We define the quality-of-control in the sense of a ${\mathcal{H}_\infty }$ norm of the system and we propose a method to minimize this norm. According to our result, the optimal solution may not corresponds to the lowest sampling rate and it depends on the dynamics of the system and parameters of the communication link. We also extend the result to investigate the effect of quantization by proposing a new finite level quantizer. Similar to the sampling rate, we show that a larger number of allocated bits for quantization does not necessarily result in a better quality-of-control.

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)0,000
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 enseignants0,704
Score d'incertitude au seuil0,341

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,014
Tête enseignante GPT0,217
Écart entre enseignants0,203 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStability and Control of Uncertain SystemsTravaux en français237 207