MétaCan
Menu
Retour à la cohorte
Enregistrement W4298140738 · doi:10.24846/v31i3y202204

An Improved Composite State Convergence Scheme with Disturbance Compensation for Multilateral Teleoperation Systems

2022· article· en· W4298140738 sur OpenAlexafffund
Muhammad Usman Asad, Jason GU, Umar FAROOQ, Valentina Emilia Bălaş, Marius M. Bǎlaş, Ghulam ABBAS

Notice bibliographique

RevueStudies in Informatics and Control · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTeleoperationComputer scienceConvergence (economics)Scheme (mathematics)Compensation (psychology)Disturbance (geology)Composite numberControl theory (sociology)State (computer science)Artificial intelligenceAlgorithmRobotMathematicsGeologyControl (management)

Résumé

récupéré en direct d'OpenAlex

Composite state convergence is a novel scheme applied for the bilateral control of a telerobotic system.The scheme offers an elegant design procedure and employs only three communication channels to establish synchronization between a single-master and a single-slave robotic system.This paper expands the capability of the composite state convergence scheme to accommodate any number of master and slave systems and proposes a disturbance observer-based composite state convergence architecture where k-master systems can cooperatively control l-slave systems in the presence of uncertainties.A systematic method is presented to compute the control gains while observer gains are determined in a standard way.To validate the proposed architecture, MATLAB simulations are performed on symmetric and asymmetric arrangements of single-degree-of-freedom teleoperation systems.Finally, experimental results are obtained using Quanser's Qube-Servo systems in QUARC/Simulink environment.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,239
Écart entre enseignants0,227 · 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in Informatics and ControlMême sujetTeleoperation and Haptic SystemsTravaux en français237 207