MétaCan
Menu
Retour à la cohorte
Enregistrement W4388280350 · doi:10.1109/safeprocess58597.2023.10295624

Disturbance observer-based fault-tolerant control of UAV with obstacle avoidance

2023· article· en· W4388280350 sur OpenAlexaff
Liang Han, Ziquan Yu, Zhongyu Yang, Yuehua Cheng, Bin Jiang, Youmin Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensConcordia University
Organismes subventionnairesChina Postdoctoral Science FoundationNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésObstacle avoidanceControl theory (sociology)Computer scienceFault toleranceThrustObserver (physics)ObstacleMotion planningNonlinear systemCollision avoidanceControl engineeringMobile robotControl (management)EngineeringRobotArtificial intelligenceDistributed computingAerospace engineering

Résumé

récupéré en direct d'OpenAlex

This paper studies the fault-tolerant control (FTC) of fixed-wing unmanned aerial vehicle (UAV) with obstacle avoidance. Firstly, the path planning of the UAV is realized by improving the traditional artificial potential field (APF) method to achieve obstacle avoidance. The improved APF method solves the unreachable target and local minimum problems existing in the traditional APF. Secondly, the lumped uncertainty composed of the thrust fault, external disturbances and parameter inaccuracies is estimated by the nonlinear disturbance observer. In addition, an FTC scheme based on nonsingular fast terminal sliding mode (NFTSM) is proposed for UAV under thrust fault. Finally, simulation is used to confirm that the design plan is proper.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,230
Écart entre enseignants0,212 · 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 tête enseignante, 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotic Path Planning AlgorithmsTravaux en français237 207