Real-Time Implementation of an Enhanced PID Controller Based on Ant Lion Optimizer for Micro-Robotics System
Notice bibliographique
Résumé
Microparticles have the potentials to be used for many medical purposes in-side the human body such as drug delivery and other operations. This paper offers a comprehensive comparative study of three meta-heuristic search algorithms for controlling the micro-robotics system with a proportional-integral-derivative (PID) controller. Grey Wolf Optimization (GWO), Harmony Search algorithm (HS) and Ant Lion Optimizer (ALO) are the various techniques that this study adopts. The optimum position control can be obtained by employing the former algorithms with different fitness functions, namely Integral Absolute Error (IAE), Integral of Time Multiplied by Square Error (ITSE), Integral Square Time multiplied square Error (ISTES), Integral Square Error (ISE), Integral of Square Time multiplied by square Error ( (ISTSE), and Integral of Time multiplied by Absolute Error (ITAE). In a MATLAB Simulink, each control method was presented, while the experimental measurements were tested and operated by the LabVIEW Software. It is observed that the HS technique achieves the highest values of settling error for both simulation and experimental results among other control approaches, while the ALO approach reduces the settling error by 32.5% compared to former experiments. The results indicate that ALO is the best method among all approaches and that ISTES is the best choice of PID for optimizing the controlling parameters.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».