MétaCan
Menu
Retour à la cohorte
Enregistrement W4311133206 · doi:10.18280/jesa.550513

Optimal Control Approach for Robot System Using LQG Technique

2022· article· en· W4311133206 sur OpenAlexvenueno aff
Ibrahim Khalaf Mohammed, Mohanad N. Noaman

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueControl and Dynamics of Mobile Robots
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLinear-quadratic-Gaussian controlControl theory (sociology)Linear-quadratic regulatorOptimal projection equationsKalman filterController (irrigation)Optimal controlOvershoot (microwave communication)Control engineeringEngineeringComputer scienceMathematicsMathematical optimizationControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

A two-wheeled self-balancing robot system bases on the physical problem of an inverted pendulum. Stabilization of this type of mobile robot requires applying an active control approach. This paper proposes an efficient Linear Quadratic Gaussian (LQG) optimal control for the two-wheeled robot system. The LQG (a combination of a Kalman Filter (KF) and Linear Quadratic Regulator (LQR)) controller is designed to stabilize the robot while reducing the effect of the process and measurement noises on its performance. The LQG controller parameters (elements of state and control weighting matrices of the LQR and KF) are optimally tuned using the Particle Swarm Optimization (PSO) optimization method. The robot stabilization scheme is simulated utilizing MATLAB software to validate the proposed PSO-LQG controller system. The effectiveness of the proposed controller is validated based on the control criteria parameters, which are rise time, settling time, maximum overshoot, and steady-state error. The results prove that the proposed PSO-LQG controller can give very good movement performance in terms of both transient and steady-state responses.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,224
Écart entre enseignants0,210 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetControl and Dynamics of Mobile RobotsTravaux en français237 207