MétaCan
Menu
Retour à la cohorte
Enregistrement W4386285244 · doi:10.18280/mmep.100414

Advanced Hybrid Nonlinear Control for Morphing Quadrotors

2023· article· en· W4386285244 sur OpenAlexvenueno aff
Reyam G. Ghane, Mohammed Y. Hassan

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAeroelasticity and Vibration Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMorphingNonlinear systemComputer scienceControl theory (sociology)Control (management)Nonlinear controlControl engineeringArtificial intelligenceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents a novel nonlinear control strategy tailored for foldable quadrotors capable of altering their morphology in-flight.By changing the quadrotor's shape through servo motors, these adaptive systems can effectively overcome various challenges, including diverse environmental conditions, such as obstacles and climate variations.The proposed control approach utilizes a double-loop control method to enhance the robustness and performance of the folding quadrotor during flight.The outer loop consists of a nonlinear PID controller responsible for regulating motion in the X and Y directions, while the inner loop features a sliding mode controller for altitude control in the Z direction and attitude stabilization.This dual-loop structure ensures the quadrotor's stability even during arm folding.The firefly algorithm is employed to optimize the parameters of both controllers, minimizing position errors using the Root Mean Square Error (RMSE) as a performance metric.Our results demonstrate a significant improvement in the quadrotor's performance and adaptability to various proposed morphologies, with error rates reduced to near-negligible levels for all shapes.Specifically, the X position error was reduced by 100% for all morphologies, the Y position error by 95% for the X shape, 97% for the T shape, 98% for the H shape, and 99% for the O shape, and the Z position error by 99% for all morphologies.

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 enseignants0,001
Score d'incertitude au seuil0,002

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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,206
Écart entre enseignants0,188 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetAeroelasticity and Vibration ControlTravaux en français237 207