A novel adaptive-rear axles steering controller for an 8 × 8 combat vehicle
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.
Notice bibliographique
Résumé
Multi-axle vehicles are widely used in several applications such as transportation, industrial, and military field, because of its higher reliability in comparison with conventional two axles vehicles. Despite that, there is a paucity of research studies that consider lateral stability enhancement of these vehicles, especially on rough terrain. This simulation-based research study fills this gap and introduces a new adaptive Active Rear Steering (ARS) controller that improves the lateral stability of an 8x8 combat vehicle for rough-terrain operation. The developed controller is designed utilizing the Integral Sliding Mode Control theory (ISMC) based on Gain-Scheduled Linear Quadratic Regulator (GSLQR). Besides, the GSLQR control gains are optimized by a Genetic Algorithm (GA) toolbox using a new synthesized cost function to ensure asymptotic stability. Furthermore, a new Adaptive-ISMC (AISMC) is introduced by using genetic programming to generate control equations that can replace the developed high-dimension GSLQR gains and facilitate future hardware implementation. The developed controller is evaluated by performing a series of simulation-based Double Lane Change (DLC) maneuvers on several rough terrains. The evaluation is conducted for both high friction and slippery surfaces at high and moderate speed, consequently. The results show high fidelity and robustness of the developed controller in comparison with a previously designed optimal LQR controller.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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