MétaCan
Menu
Retour à la cohorte
Enregistrement W4308272241 · doi:10.21203/rs.3.rs-2208846/v1

Evolutionary design of swing-up controllers for stabilization task of underactuated inverted pendulums

2022· preprint· en· W4308272241 sur OpenAlexaff
Marlen Meza‐Sánchez, M. C. Rodríguez-Liñán, Eddie Clemente, Leonardo Herrera

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineComputer Science
ThématiqueEvolutionary Algorithms and Applications
Établissements canadiensHolland Bloorview Kids Rehabilitation Hospital
Organismes subventionnairesnon disponible
Mots-clésUnderactuationInverted pendulumGenetic programmingControl theory (sociology)Control engineeringComputer scienceNonlinear systemSet (abstract data type)Nonlinear controlController (irrigation)Fitness functionProcess (computing)Genetic algorithmArtificial intelligenceEngineeringControl (management)Machine learning

Résumé

récupéré en direct d'OpenAlex

Abstract The development of control laws for underactuated mechanical systems with pendulum-like behaviors is of paramount importance due to their use in the modeling of more complex systems and other challenging tasks. The underactuated feature describes constraints in the maneuverability and capabilities of a mechanical system with the advantage of offering less energy consumption. In this work, a novel methodology for solving the automation of evolved nonlinear controllers for the swing-up phase of switching control laws for underactuated inverted pendulums is proposed. Automatic synthesis of linear controllers with optimal performance applied to linear systems modeled as transfer functions is a forward leap proposed by Koza in 2003. Our proposed approach introduces the nonlinear nature within the automated construction of a set of swing-up controllers integrating an evolutionary process based on GP. The presented framework is based on an analytic behaviorist setup that merges Control Theory with Genetic Programming. Control Theory is applied to formulate the mathematical description of the problem and the design of the fitness function that guides the automated synthesis; Genetic Programming is implemented as an evolutionary engine for the construction of the solutions. The advantage is that the symbolic feature of Genetic Programming is exploited to develop large sets of nonlinear controllers that can be further studied with analytic tools from the Control Theory approach. The proposed framework is applied to an underactuated two-link inverted pendulum giving a set of 13590 evolved nonlinear swing-up controllers with the same and better fitness value than a state-of-the-art human-made design.

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)0,001
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,114
Tête enseignante GPT0,384
Écart entre enseignants0,270 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetEvolutionary Algorithms and ApplicationsTravaux en français237 207