MétaCan
Menu
Retour à la cohorte
Enregistrement W2997715339 · doi:10.2514/6.2020-1599

Immersion and Invariance Adaptive Control for Proximity Operations under Uncertainties and Modeling Errors

2020· article· en· W2997715339 sur OpenAlexaff
Jeffrey G. Hough, Steve Ulrich

Notice bibliographique

RevueAIAA Scitech 2020 Forum · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft Dynamics and Control
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)IntegratorDouble integratorEstimatorController (irrigation)Nonlinear systemAdaptive controlSpacecraftScalingComputer scienceMathematicsPhysicsControl (management)

Résumé

récupéré en direct d'OpenAlex

Two Immersion and Invariance (I&I) adaptive controllers are designed for translational trajectory tracking in spacecraft proximity operations under unknown mass properties and unmodeled dynamics. In one case, the controller is designed utilizing the Clohessy-Wiltshire dynamics, requiring known mass bounds and I&I extension methods such as filtered-states and dynamic scaling factors. For the second case, the I&I controller is developed by approximating the exact nonlinear relative dynamics as double-integrator dynamics through assumptions such as short time scales relative to one orbital period, and small relative distances compared to an orbital radius. These simplified dynamics allow for an analytical I&I controller without assumed bounds on mass, or any extension methods. Simulations are presented which show that the designed I&I estimators converge nearly precisely to the actual mass value, regardless of higher-order dynamical modeling errors. In addition, simulation comparisons to standard adaptive techniques such as Indirect Regressor-Matrices and Direct Simple Adaptive Control show improved transient performance and reduced control effort. The I&I controller developed under double-integrator dynamics is computationally light requiring only one numerically solved state and two analytical equations, making itwell-suited for on-board real-time applications.

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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,215
Écart entre enseignants0,199 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA Scitech 2020 ForumMême sujetSpacecraft Dynamics and ControlTravaux en français237 207