MétaCan
Menu
Retour à la cohorte
Enregistrement W3032587223 · doi:10.31181/rme200101010p

Model-based fuzzy control results for networked control systems

2020· article· en· W3032587223 sur OpenAlexaff
Radu‐Emil Precup, Ștefan Preitl, Emil M. Petriu, Claudia‐Adina Bojan‐Dragos, Alexandra-Iulia Szedlak-Stinean, Raul‐Cristian Roman, Elena‐Lorena Hedrea

Notice bibliographique

RevueReports in Mechanical Engineering · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueFuzzy Logic and Control Systems
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Fuzzy control systemFuzzy logicComputer scienceControl systemStability (learning theory)Control engineeringNetworked control systemController (irrigation)Variable (mathematics)MathematicsControl (management)EngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper discusses aspects concerning the design of model-based fuzzy controllers for Networked Control Systems (NCSs). The stability analysis is related to the characteristic equation of these control systems, where the variable time delays create numerical problems. These numerical problems are first briefly investigated, along with signal processing aspects concerning NCSs. The popular Hilbert-Huang transform is applied to smooth the signals and also the variable time delay, also called latency, due to the communication in the network. The design of Takagi-Sugeno-Kang Proportional-Integral-fuzzy controllers dedicated to temperature control applications is next carried out; the stability of fuzzy NCSs is guaranteed by computing the controller tuning parameters as solutions to linear matrix inequalities. Experimental results for a laboratory equipment that models a first-order plus time delay process are included to validate the theoretical findings.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,018
Tête enseignante GPT0,210
Écart entre enseignants0,192 · 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

Citations92
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReports in Mechanical EngineeringMême sujetFuzzy Logic and Control SystemsTravaux en français237 207