MétaCan
Menu
Retour à la cohorte
Enregistrement W4310908172 · doi:10.18280/jesa.550515

Robust Control Simulation and Implementation for DC Motor

2022· article· en· W4310908172 sur OpenAlexvenueno aff
Fatima Ameur, Takieddine Ameur, Khadidja Ameur

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSensorless Control of Electric Motors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDC motorOvershoot (microwave communication)MATLABSettling timeControl theory (sociology)Computer scienceSliding mode controlController (irrigation)ArduinoControl engineeringPID controllerElectronic speed controlServomotorControl (management)Step responseEngineeringEmbedded systemTemperature controlNonlinear systemArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The sliding mode controller has been suggested to achieve robust performance against parameter variations and load disturbances. It also offers a fast dynamic response, stable control system and easy hardware-software implementation. This paper focuses the application of this approach to the adjustment of a speed control DC motor, in Matlab Simulink simulation and Arduino hardware implementation, The main goal of this paper is to improve the performances of DC motor controlling by sliding mode. In first the modeling of DC motor is well explained in this paper, is important step for control of system, secondly the basic theory regarding sliding mode controller SMC using Lyapunovis function is presented. Finley the application of SMC using Matlab simulation and Arduino implementation for DC motor, the results show that SMC has a better performance compared to PI which is faster settling time and no overshoot and undershoot, could be used as an alternative controller for the DC Motor.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,215
Score d'incertitude au seuil0,737

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,021
Tête enseignante GPT0,259
Écart entre enseignants0,238 · 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 tête enseignante, 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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetSensorless Control of Electric MotorsTravaux en français237 207