MétaCan
Menu
Retour à la cohorte
Enregistrement W4226404188 · doi:10.1109/tie.2022.3163566

Regulation and Tracking Control of Omnidirectional Rotation for Spherical Motors

2022· article· en· W4226404188 sur OpenAlexaff
Kun Bai, Yaowu Ding, Zixin Que, Han Yan, Xiang Chen, Shengxiong Wen, Kok-Meng Lee

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMagnetic Bearings and Levitation Dynamics
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésComputer scienceRobustness (evolution)Artificial intelligenceBiology

Résumé

récupéré en direct d'OpenAlex

Spherical motors capable of omnidirectional rotations in a ball joint provide a highly dexterous actuator system yet also present great challenges in developing a high-performance regulation and tracking controller due to the complex rotor dynamics. This article presents a complementaryH2-H∞(C-H2-H∞) control method for precisely controlling the multidegree of freedom (DOF) orientation of spherical motors in presence of external disturbances as well as model uncertainties and inaccuracies. In order to deal with the tradeoff between the robustness and control performance resulted from conventional control methods, the proposed controller featured with a 2-DOF structure presents anH2controller for a nominal plant and then complements it with an additional regulator designed inH∞sense to assure robustness. Unlike traditionalH∞or mixedH2andH∞controller, theH∞regulation is conducted online in accordance with the monitored modeling mismatch in a way that does not adversely degrade the performance delivered byH2control, hence, improving the conservativeness of the total control performance and leading to significant improvements of tracking accuracy and response time at same time. Both numerical simulations and experiments on a spherical motor testbed are conducted to validate the superior performance of the proposed controller versus conventional control methods.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,017
Tête enseignante GPT0,215
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

Citations23
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetMagnetic Bearings and Levitation DynamicsTravaux en français237 207