MétaCan
Menu
Retour à la cohorte
Enregistrement W4323048009 · doi:10.18280/mmep.100143

Performance of the optimal nonlinear pid controller for position control of antenna azimuth position system

2023· article· en· W4323048009 sur OpenAlexvenueno aff
Luay Thamir Rasheed, Noor Q. Yousif, Saba Al-Wais

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdaptive Control of Nonlinear Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPID controllerControl theory (sociology)Particle swarm optimizationController (irrigation)MATLABPosition (finance)Nonlinear systemMean squared errorTransient (computer programming)Computer scienceControl engineeringEngineeringMathematicsControl (management)PhysicsTemperature controlAlgorithmArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study presents the improvement in the performance of the Proportional-integral-derivative (PID) controller for position control of antenna azimuth position system subjected to external disturbance. The design of the PID controller is developed by adding the arc tan function of error instead of the direct error in an integral part of the PID controller, yielding a Nonlinear PID controller (NPID). A Particle Swarm Optimization (PSO) is used in this study to tune the parameters of the PID and NPID controllers using the Root Mean Square Error (RMSE) cost function. The simulations have been accomplished under the MATLAB/Simulink environment. The simulation results show that a PSO-based NPID controller provides superior steady and transient state performance compared to a PSO-based PID controller. In addition, the effectiveness of the proposed controller is verified via numerical simulation compared to the performance of other controllers with and without external disturbance.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,191
Écart entre enseignants0,177 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetAdaptive Control of Nonlinear SystemsTravaux en français237 207