MétaCan
Menu
Retour à la cohorte
Enregistrement W4361770306 · doi:10.1109/tac.2023.3262444

Stability Analysis of Delayed Discrete Singular Piecewise Homogeneous Markovian Jump Systems With Unknown Transition Probabilities via Sliding-Mode Approach

2023· article· en· W4361770306 sur OpenAlexaff
Yonggui Kao, Yueqiao Han, Yanzheng Zhu, Zhan Shu

Notice bibliographique

RevueIEEE Transactions on Automatic Control · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueStability and Control of Uncertain Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Science Foundation of Shandong ProvinceNational Natural Science Foundation of China
Mots-clésPiecewiseControl theory (sociology)JumpMarkov processMathematicsHomogeneousMode (computer interface)Stability (learning theory)Transition (genetics)Mathematical analysisApplied mathematicsStatistical physicsComputer sciencePhysicsControl (management)CombinatoricsArtificial intelligenceStatistics

Résumé

récupéré en direct d'OpenAlex

In this article, the sliding-mode control (SMC) strategy is outlined for discrete-time singular Markovian jump systems with time-varying delays and time-varying transition probabilities (TPs). To simplify the complexities arising from the time-varying TPs in the Markov chain, the TPs in this study are reasonably considered to be finite piecewise-homogeneous. The variations of TPs are stochastic and governed by a higher level transition probability (HTP) matrix. It is acceptable for both the TP matrix and HTP matrix to be partly unknown, which makes the system closer to reality and more complex to investigate. In this context, our goal lies in constructing a common sliding-mode surface to avoid the effects of switching among sequential subsystems and piecewise homogeneous TPs on the convergence of the sliding-mode surface. Additionally, we aim to design an appropriate SMC law to guarantee the reachability of the quasi-sliding mode in a finite-time interval. Through the linear matrix inequalities, sufficient criteria are offered to make the closed-loop dynamic system stochastically admissible. Finally, the numerical result will show that the presented SMC strategy is valid.

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)0,001
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 seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,206
Écart entre enseignants0,196 · 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

Citations56
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Automatic ControlMême sujetStability and Control of Uncertain SystemsTravaux en français237 207