MétaCan
Menu
Retour à la cohorte
Enregistrement W3199995064 · doi:10.32920/ryerson.14657778.v1

Position Domain Synchronization Control For Robotic Manipulators

2021· preprint· en· W3199995064 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Position (finance)Synchronization (alternating current)Computer scienceDomain (mathematical analysis)Controller (irrigation)Nonlinear systemLyapunov stabilityMotion controlTracking errorContouringLyapunov functionControl (management)Control engineeringArtificial intelligenceMathematicsRobotEngineering

Résumé

récupéré en direct d'OpenAlex

Developed in this thesis is a new control law focusing on the improvement of contour tracking of robotic manipulators. The new control scheme is a hybrid controller based on position domain control (PDC) and position synchronization control (PSC). On PDC, the system’s dynamics are transformed from time domain to position domain via a one-to-one mapping and the position of the master axis motion is used as reference instead of time. The elimination of the reference motion from the control input improves contouring performance relative to time domain controllers. Conversely, PSC seeks to reduce the error of the systems by diminishing the synchronization error between each agent of the system. The new control law utilizes the aforementioned techniques to maximize the contour performance. The Lyapunov method was used to prove the proposed controller’s stability. The new control law was compared to existing control schemes via simulations of linear and nonlinear contours, and was shown to provide good tracking and contouring performances.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,981
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,207 · 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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIterative Learning Control SystemsTravaux en français237 207