MétaCan
Menu
Retour à la cohorte
Enregistrement W4309759862 · doi:10.1080/23307706.2022.2146008

Fractional synergetic tracking control for robot manipulator

2022· article· en· W4309759862 sur OpenAlexaff
Asma Saif, Raouf Fareh, Saif Sinan, Maâmar Bettayeb

Notice bibliographique

RevueJournal of Control and Decision · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Design
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Fractional calculusWorkspaceEquilibrium pointFlexibility (engineering)Stability (learning theory)Computer scienceLyapunov functionLyapunov stabilityControl (management)Sliding mode controlTracking (education)MathematicsRobotControl engineeringEngineeringArtificial intelligenceNonlinear systemApplied mathematics

Résumé

récupéré en direct d'OpenAlex

This work takes advantage of synergetic control theory and fractional calculus to develop and propose fractional synergetic control (FSC) strategy for Four Degrees of Freedom (4-DOF) robot manipulator. The proposed fractional synergetic control is designed to track a joint space as well as workspace desired trajectories. Fractional calculus gives more flexibility in the design since it has a wider stability region. Added to that, as stated in the literature, compared to a similar approach such as sliding mode control, the synergetic control approach converges faster to the equilibrium point, without chattering with a fast response. This paper proposes a new control strategy that takes advantage of fractional calculus and synergetic control theory. This proposed control strategy is tested experimentally on a 4-DOF manipulator to study the performance of the proposed control scheme. The stability of the closed-loop system is proved using the Lyapunov approach. The experimental results have shown that the proposed FSC design has achieved a good tracking performance.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,237
Écart entre enseignants0,225 · 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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Control and DecisionMême sujetAdvanced Control Systems DesignTravaux en français237 207