A strong secure path planning/following system based on type-3 fuzzy control, multi-switching chaotic systems, and random switching topology
Notice bibliographique
Résumé
Abstract This paper studies the synchronization and control of chaotic systems while proposing a novel chaotic-based path-tracking application for mobile robots (MRs) to ensure their safety and security. In security-based applications that use MRs, such as patrol MRs, the path of the MRs must be complex enough to prevent easy prediction. Multiple chaotic systems with a chaotic switching mechanism are introduced for secure path planning. The main challenges are that the dynamics of MRs are entirely unknown. The modeled dynamics of the MRs are unreliable in practice due to a broad range of uncertainties related to the parameters, operating conditions, environmental impacts, time delays, unmodeled frictions, noisy sensors, and faulty actuators. Also, the chaotic switching of reference signals between chaotic signals imposes a high dynamic perturbation. The main novelties are as follows: (1) a strong secure path is introduced for MRs. (2) A powerful fractional-order predictive controller using type-3 (T3) fuzzy-logic systems (FLSs) is developed. (3) The estimation and prediction errors of T3-FLSs are compensated by a designed parallel compensator. (4) T3-FLSs are tuned online, such that stability is ensured, and prediction accuracy is guaranteed. (5) The suggested scheme is implemented on a real-world MR, and the results demonstrate the feasibility and accuracy of the proposed method. Also, in several simulations, the efficacy of the introduced controller is examined.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».