Notice bibliographique
Résumé
Tilting is a worldwide accepted technology concept in railway transportation. Theparticular benefit from tilting trains use is reduction in journey times due to speedincrease on track corners (while maintaining acceptable passenger comfort), a pointthat facilitates improved customer service. An additional benefit is cost effectivenessdue to the train running on existing rail tracks. Many countries opted to using tiltingtrains as means of fast public transportation (UK, USA, Canada, Sweden, Norway,Switzerland, Germany, Japan).The industrial norm of tilting high speed trains is that of precedence tilt wherebypreview tilt enabling signals are used to provide the required information to thevehicles (it can also use a combination of track database information or GPS but theconcept is the same). Precedence tilt tends to be complex (mainly due to the signalinterconnections between vehicles and the advanced signal processing required formonitoring). Research studies of earlier than precedence schemes,i.e. the so-callednulling-type schemes whereby local-per-vehicle signals are used to provide tilt (adisturbance rejection-scheme although tends to suffer from inherent delays in thecontrol feedback), are still an important research aim due to the simple natureand most importantly due to the more straightforward fault detection compared toprecedence. Use of nulling-type tilt has been supported by recent studies in thiscontext.The research presented in this thesis highly contributes to simplified single-inputsingle-output robust tilt control using the simplest rail vehicle tilt structure, i.e. anActive Anti-Roll Bar. Proposed are both robust conventional (integer-type) controlapproaches and non-conventional (non-integer) schemes with a rigorous investigation of the difficult to achieve deterministic/stochastic tilt trade-off. Optimizationhas been used extensively for the designs. A by-product of the work is the insightprovided into the relevant tilting train model Non Minimum Phase characteristicsand its link to uncertainty for control design. Work has been undertaken usingMatlab, including proper assessment of tilt ride quality considerations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».