MétaCan
Menu
Retour à la cohorte
Enregistrement W3135283790 · doi:10.1109/tcyb.2021.3054373

Adaptive Control and Application for Nonlinear Systems With Input Nonlinearities and Unknown Virtual Control Coefficients

2021· article· en· W3135283790 sur OpenAlexafffund
Cungen Liu, Xiaoping Liu, Huanqing Wang, Shouyin Lu, Yucheng Zhou

Notice bibliographique

RevueIEEE Transactions on Cybernetics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdaptive Control of Nonlinear Systems
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKey Technology Research and Development Program of ShandongTaishan Scholar Foundation of Shandong ProvinceNational Natural Science Foundation of China
Mots-clésControl theory (sociology)Nonlinear systemAdaptive controlController (irrigation)Dead zoneStability (learning theory)Computer scienceControl systemTracking (education)Control (management)Control engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This article is devoted to an adaptive tracking control problem for nonlinear systems with input deadzone and saturation, whose virtual control coefficients include the known and unknown terms. A novel smooth function is first introduced to approximate the input nonlinearities. By utilizing an auxiliary variable and the Nussbaum gain technique, an improved real control signal is constructed to handle the uncertainties of the virtual control coefficients and input nonlinearities. Furthermore, an adaptive tracking controller is constructed and applied to the attitude control of a quadrotor, which guarantees the boundedness of all the signals in the resulting closed-loop system. Finally, both stability analysis and simulation results validate the effectiveness of the developed control strategy.

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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0010,001
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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,198 · 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

Citations51
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CyberneticsMême sujetAdaptive Control of Nonlinear SystemsTravaux en français237 207