MétaCan
Menu
Retour à la cohorte
Enregistrement W4293072681 · doi:10.1155/2022/9866794

Disturbance Observer-Smith Predictor Compensation-Based Platoon Control with Estimation Deviation

2022· article· en· W4293072681 sur OpenAlexvenueno aff
Jiawei Wang, Guanpu Wu, Bohua Sun, Fangwu Ma, Bilin Aksun Güvenç, Levent Güvenç

Notice bibliographique

RevueJournal of Advanced Transportation · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHeadwayPlatoonControl theory (sociology)ActuatorObserver (physics)Decoupling (probability)EngineeringCompensation (psychology)Standard deviationStability (learning theory)Computer scienceSimulationControl engineeringControl (management)Mathematics

Résumé

récupéré en direct d'OpenAlex

In the research of cooperative adaptive cruise control, the coupling relationship between the communication delay, the following time headway, and the string stability leads to a stringent limit on the minimum allowable following time headway. To deal with this limitation, this paper proposes the Disturbance Observer-Smith Predictor Compensation (DOB-SPC)-based Master-Slave architecture. The SPC is adopted to move the communication delays and actuator delays outside the feedback loop in the Master-Slave architecture. It theoretically realizes decoupling when parameters are estimated accurately and achieves zero-headway-string-stability for arbitrary values of communication delay. Subsequently, the robust performance of SPC with estimation deviation of vehicle model dynamic lag, actuator delay, and communication delay in practical application is discussed through the changing trend of the minimum string-stable time headway. To alleviate this problem, the DOB is designed to compensate for the interference caused by the perturbation of vehicle dynamic parameters and improve the estimation accuracy. The simulation results of a four-vehicular platoon show that the string stability and following accuracy are fully guaranteed by applying the proposed strategy, even with smaller headway in the presence of estimation deviation.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,004
Tête enseignante GPT0,180
Écart entre enseignants0,176 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic control and managementTravaux en français237 207