LQG/LTR based robust youla parameterized adaptive vibration control for the supporting platform of rotating liquid mirror
Notice bibliographique
Résumé
In mechatronic systems, the vibrations which commonly consist of band-limited random signals mixed with large multiple narrow-band deterministic signals may negatively impact the system performance. For example, due to the incomplete matching of the mechanism and the rotation of the motor, random and deterministic vibration disturbance may occur in the supporting platform of the rotating liquid mirror. In this paper, a robust Youla ( Q) parameterized adaptive regulation approach has been proposed to minimize such kind of vibration signals for the rotating platform system with model uncertainties. Firstly, the inner-loop robust controller with linear quadratic Gaussian with loop transfer recovery ( LQG/LTR) is optimally designed by choosing the suitable weighting functions to achieve the trade-off between robust stability and control performance to deal with random vibration signals. Then the Youla parameter is augmented to construct a set of Q-parameterized stabilizing controllers, and the robust stability of the system is analyzed through dual-Youla parameterization of the uncertain model. The recursive least squares (RLS) adaptive algorithm is developed to tune the Q parameter online to construct a desired adaptive controller for further residual vibration elimination. An experimental evaluation of the controller in reducing the vibration of the supporting platform of a rotating liquid mirror has been carried out, and the results illustrate that the proposed adaptive robust vibration regulation approach can effectively suppress the band-limited random and narrow-band deterministic vibration signals.
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 | 0,001 | 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 | 0,001 |
| 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 ».