ASPR-based Output Feedback Control with Virtual PFC for Output Tracking
Notice bibliographique
Résumé
Nowadays, the output feedback control method based on the Almost Strictly Positive Real (ASPR) property gets many attentions and has been researched widely. ASPR models can be stabilized by applying simple output feedback control; so the designed controllers have a simple structure. However, the systems have to satisfy quite strict conditions in order to obtain ASPR-ness, although almost all practical systems do not have the ASPR property. Therefore, for relaxing those conditions, the introduction of a Parallel Feedforward Compensator (PFC) has been proposed. This method can render the resulting augmented system ASPR. Up to now, several PFC design methods have been proposed, and one of them is an adaptive PFC design scheme. This technique has a feature that it can design a PFC automatically by utilizing online data. Furthermore, for the purpose of output regulation, the control design methods with an adaptive PFC have been proposed. Unfortunately, however, in almost all schemes, the discussion on the convergence of actual errors has not been conducted. Therefore, in this paper, introducing a virtual PFC model and an auxiliary input for ensuring ASPR-ness, a new ASPR-based output feedback control method is proposed, and the stability analysis and convergence of the actual error are discussed. Finally, the effectiveness of the proposed method is confirmed via numerical simulations.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».