MétaCan
Menu
Retour à la cohorte
Enregistrement W3005533176 · doi:10.1109/tvt.2020.2973082

A Universal and Reconfigurable Stability Control Methodology for Articulated Vehicles With Any Configurations

2020· article· en· W3005533176 sur OpenAlexafffund
Yubiao Zhang, Amir Khajepour, Mansour Ataei

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésReconfigurabilityActuatorControl engineeringPowertrainVehicle dynamicsEngineeringAxleTorqueElectronic stability controlControl theory (sociology)Controller (irrigation)Control systemAutomotive engineeringComputer scienceControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

To meet with many different transportation needs, it comes in a rich diversity and variety of articulated vehicles. Vehicle combinations are seen in different axle configurations, number of articulations, powertrain, active actuation systems, etc. This research is, therefore, motivated to develop a model-based control system in a universal and reconfigurable fashion to any articulated vehicles stability control. To achieve its universality and reconfigurability, we introduce a hierarchical (two-layer) control system. Namely, the high layer formulates a model predictive control (MPC) tracking problem to generate corrective Center of Gravity (C.G.) forces/moment. The lower-level controller is formulated as Control Allocation (CA) algorithm to regulate steering or torque (brake) at each wheel optimally and reconfigurable as to meet high-level calculations. Real-time constraints, i.e. actuator limits, tire capacity, and actuator failure are discussed. Diverse applications are presented that the universal and reconfigurable methodology is handy, capable and effective on stability control while applying to various vehicle configurations and objectives.

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)0,000
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,020
Tête enseignante GPT0,205
Écart entre enseignants0,184 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207