MétaCan
Menu
Retour à la cohorte
Enregistrement W2966520021

Decentralized Adaptive Fault-Tolerant Cooperative Control of Multi-UAVs Under Actuator Faults and Directed Communication Topology

2019· article· en· W2966520021 sur OpenAlexaff
Ziquan Yu, Youmin Zhang, Yaohong Qu, Chun‐Yi Su, Yajie Ma, Bin Jiang

Notice bibliographique

RevueAsian Control Conference · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed Control Multi-Agent Systems
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSynchronization (alternating current)ActuatorFault toleranceControl theory (sociology)Scheme (mathematics)Control engineeringComputer scienceDecentralised systemFault (geology)Adaptive controlControl (management)Attitude controlTopology (electrical circuits)EngineeringDistributed computingChannel (broadcasting)Artificial intelligenceComputer networkMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, a decentralized adaptive fault-tolerant cooperative control scheme is proposed to achieve the attitude synchronization tracking control of multiple unmanned aerial vehicles (multi-UAVs) with actuator faults and directed communication topology. To alleviate the adverse effects caused by the in-flight actuator faults, adaptive laws are constructed and integrated into the developed attitude synchronization control scheme to enhance the formation flight safety by using the neural networks. The distinctive feature of the proposed method is to address the fault-tolerant attitude synchronization tracking control problem in a decentralized framework with directed communications. It is shown that the tracking and synchronization of multi-UAVs with respect to the desired attitudes can be achieved. Simulation results are provided to demonstrate the effectiveness of the proposed control 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 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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,001
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 Opus0,020
Tête enseignante GPT0,254
Écart entre enseignants0,234 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Control ConferenceMême sujetDistributed Control Multi-Agent SystemsTravaux en français237 207