MétaCan
Menu
Retour à la cohorte
Enregistrement W3044446761 · doi:10.1186/s13662-020-02829-0

Adaptive control realization for canonic Caputo fractional-order systems with actuator nonlinearity: application to mechatronic devices

2020· article· en· W3044446761 sur OpenAlexaff
Mohammad Pourmahmood Aghababa, Mehrdad Saif

Notice bibliographique

RevueAdvances in Difference Equations · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Design
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)MechatronicsNonlinear systemBacklashActuatorControl engineeringController (irrigation)Adaptive controlRealization (probability)Control systemComputer scienceMathematicsEngineeringControl (management)Artificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Nonlinearities, such as dead-zone, backlash, hysteresis, and saturation, are common in the mechanical and mechatronic systems’ components and actuators. Hence, an effective control strategy should take into account such nonlinearities which, if unaccounted for, may cause serious response problems and might even result in system failure. Input saturation is one of the most common nonlinearities in practical control systems. So, this article introduces a novel adaptive variable structure control strategy for nonlinear Caputo fractional-order systems despite the saturating inputs. Owing to the complex nature of the fractional-order systems and lack of proper identification strategies for such systems, this research focuses on the canonic systems with complete unknown dynamics and even those with model uncertainties and external noise. Using mathematical stability theory and adaptive control strategy, a simple stable integral sliding mode control is proposed. The controller will be shown to be effective against actuator saturation as well as unknown characteristics and system uncertainties. Finally, two case studies, including a mechatronic device, are considered to illustrate the effectiveness and practicality of the proposed controller in the 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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,250
Écart entre enseignants0,236 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Difference EquationsMême sujetAdvanced Control Systems DesignTravaux en français237 207