Pole Placement for Delay Differential Equations With Time-Periodic Delays Using Galerkin Approximations
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
Abstract Many practical systems have inherent time delays that cannot be ignored; thus, their dynamics are described using delay differential equations (DDEs). The Galerkin approximation method is one strategy for studying the stability of time-delay systems (TDS). In this work, we consider delays that are time-varying and, specifically, time-periodic. The Galerkin method can be used to obtain a system of ordinary differential equations (ODEs) from a second-order time-periodic DDE in two ways: either by converting the DDE into a second-order time-periodic partial differential equation (PDE) and then into a system of second-order ODEs, or by first expressing the original DDE as two first-order time-periodic DDEs, then converting into a system of first-order time-periodic PDEs, and finally converting into a first-order time-periodic ODE system. The difference between these two formulations in the context of control is presented in this paper. Specifically, we show that the former produces spurious Floquet multipliers at a spectral radius of 1. We also propose an optimization-based framework to obtain feedback gains that stabilize closed-loop control systems with time-periodic delays. The proposed optimization-based framework employs the Galerkin method and Floquet theory and is shown to be capable of stabilizing systems considered in the literature. Finally, we present experimental validation of our theoretical results using a rotary inverted pendulum apparatus with inherent sensing delays as well as additional time-periodic state-feedback delays that are introduced deliberately.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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