MétaCan
Menu
Retour à la cohorte
Enregistrement W3014496600 · doi:10.32604/cmc.2020.05746

Sliding-mode PID Control of UAV Based on Particle Swarm Parameter Tuning

2020· article· en· W3014496600 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueComputers, materials & continua/Computers, materials & continua (Print) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdaptive Control of Nonlinear Systems
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)PID controllerSliding mode controlParticle swarm optimizationRotor (electric)UnderactuationStability (learning theory)EngineeringMode (computer interface)Control systemComputer scienceControl engineeringControl (management)Nonlinear systemArtificial intelligencePhysicsTemperature controlAlgorithm

Résumé

récupéré en direct d'OpenAlex

Due to the coupled motion between the rotor unmanned aerial vehicle (UAV) and the manipulator, the underactuation characteristics of the system itself, and the influence of external uncertainties, the stability of the rotor UAV’s manipulator control system is difficult to control. Based on the dynamic model of the rotor UAV, the stability of the whole UAV manipulator control system is improved by using the piecewise cost function, the compression factor particle swarm optimization (PSO) algorithm and the sliding mode PID to establish the sliding mode PID control stability method based on the PSO. Compared with the sliding mode PID control method, this method solves the serious buffeting problem in the sliding mode control, reduces the influence of the external disturbance and realizes the attitude stabilization control of the UAV manipulator quickly and accurately, thus shortens the system adjustment time and improves the anti-interference ability.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,290
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,204 · 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