MétaCan
Menu
Retour à la cohorte
Enregistrement W4321325504 · doi:10.2316/j.2023.201-0344

TRAJECTORY TRACKING OF NONHOLONOMIC CONSTRAINT MOBILE ROBOT BASED ON ADRC, 1-9. SI

2023· article· en· W4321325504 sur OpenAlexvenueno aff
Cuiping Pu, Jie Ren, Youwen Zhai, Yuhang Zhang

Notice bibliographique

RevueMechatronic systems and control · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNonholonomic systemConstraint (computer-aided design)Tracking (education)Mobile robotTrajectoryControl theory (sociology)Computer scienceRobotArtificial intelligenceComputer visionControl engineeringMathematicsEngineeringControl (management)PhysicsPsychology

Résumé

récupéré en direct d'OpenAlex

The wheeled mobile robot is a typical uncertain robot system, which has typical nonholonomic characteristics and underdrive characteristics with different input and output dimensions.In the unknown environment, the slip and sideslip of the wheeled mobile robot are inevitable.Therefore, the research on trajectory tracking control of the wheeled mobile robot under sliding is of great significance.Aiming at the tracking problem of the wheeled mobile robot system with side slip disturbance, a Lyapunov design method based on extended state observer is proposed by using active disturbance rejection strategy.The influence of the sideslip disturbance on the system is regarded as the total disturbance of the system, and the extended state observer is used to observe the total disturbance in real time.The observation of the total disturbance by the extended state observer plays a patch role in the control law.When there is no disturbance, the system returns to the Lyapunov control under the nominal model.When there is a disturbance, the disturbance is compensated by the extended state observer, so that the system is approximately equivalent to the nominal model without being affected by the disturbance.The simulation results show that the system has better transient performance and anti-interference performance compared with the inverse control regardless of whether it is disturbed or not.

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 enseignants0,009
Score d'incertitude au seuil0,017

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)0,0030,001

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 Opus0,015
Tête enseignante GPT0,233
Écart entre enseignants0,218 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMechatronic systems and controlMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207