An Intelligent Feedforward Controller Utilizing a Modified Gorilla Troops Optimization for Nonlinear Systems
Notice bibliographique
Résumé
This paper presents an intelligent feedforward controller based on the feedback linearization approach to control nonlinear systems. In particular, the nonlinear autoregressive moving average (NARMA-L2) network is trained to reproduce the forward dynamics of the controlled system. Consequently, the trained NARMA-L2 network can be immediately integrated into the inverse feedforward control (IFC) structure. In order to improve the NARMA-L2 structure's ability to approximate nonlinear systems, the NARMA-L2 controller is comprised of two wavelet neural networks (WNNs). In addition, the RASP1 function was used as the mother wavelet function in the structure of the WNN rather than the more common Mexican Hat, Gaussian, and Morlet functions. To prevent the limitations of gradient descent (GD) methods, an artificial gorilla troops optimization (GTO) algorithm is used to determine the optimal settings for the NARMA-L2 inverse controller parameters. In particular, a modified version of the GTO algorithm, which is called the Modified GTO (MGTO) algorithm, is proposed in this work for training the NARMA-L2 inverse controller. This algorithm has demonstrated superior optimization outcomes in comparison to other methods. The effectiveness of the proposed control strategy is demonstrated using two nonlinear dynamical systems. Specifically, several evaluation tests are used to assess the effectiveness of the WNN-based NARMA-L2 in terms of control accuracy and robustness against external disturbances in each of the systems under consideration. These tests clearly demonstrated the effectiveness of the control system. Finally, a comparison study showed that the proposed WNN-based NARMA-L2 controller achieved better control results compared to the multilayer perceptron (MLP) and the radial basis function (RBF)-based NARMA-L2 controllers.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».