Fractional‐order fault‐tolerant containment control of multiple fixed‐wing UAVs via disturbance observer and interval type‐2 fuzzy neural network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This article investigates the fault‐tolerant containment control (FTCC) problem for a group of fixed‐wing unmanned aerial vehicles with simultaneous considerations of faults and collision avoidance. A fractional‐order (FO) FTCC scheme is established to steer all follower UAVs into the convex hull formed by the leader UAVs with the involvements of FO calculus, disturbance observers (DOs), and interval type‐2 fuzzy neural networks (IT2FNNs). In the proposed control protocol, FO sliding‐mode surfaces with artificial potential functions are first designed to revamp the filtered containment errors. Then, the DOs with FO calculus are constructed to estimate the FO lumped disturbances due to faults and external disturbances. Moreover, to compensate for the DO estimation errors, IT2FNN learning mechanisms are introduced to improve the FTCC capability. It is shown by Lyapunov stability analysis that all follower UAVs can successfully converge into the convex hull spanned by the leader UAVs without collisions even when a portion of UAVs is encountered by faults. Simulation results are presented to show the effectiveness of the developed control scheme.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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