Fault tolerance evaluation of model-free controllers with application to unmanned aerial vehicles
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
Although important improvements in the area of robust control of nonlinear systems have been presented in the literature, most of the developed controllers suffer from complexity and large dependency on accurate mathematical formulation of the models. Recently, model-free robust control techniques were introduced and have shown good performance when applied to multi-input–multi-output systems. The model-free approach is characterized by the nonuse of any prior knowledge about the underlying structure and/or associated parameters of the dynamical system. Therefore, the major criteria for assessing the effectiveness of these controllers are related to their ability to handle unknown inputs and disturbances, as well as achieving the desired tracking performance in presence of faults and malfunctions. This work considers the development of robust fault-tolerant controllers based on the model-free approach and their application to multirotor unmanned aerial vehicles’ (UAVs) systems. The different controllers based on intelligent proportional-derivative (iPD), intelligent backstepping (iBackstepping), and adaptive control are compared in terms of performance, ease of implementation and parameters tuning. The simulated results, tested on Matlab/Simulink on a full nonlinear model of a hexarotor UAV, validate the theoretical advantages of the adaptive approach with respect to multiple criteria such as improved tracking performance in case of existence of actuators faults when compared to the iPD and iBackstepping control methods at the cost of increased complexity.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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