MétaCan
Menu
Retour à la cohorte
Enregistrement W4396214952 · doi:10.1109/tase.2024.3392877

Adaptive Stabilization Control for a Class of Non-Strict Feedback Underactuated Nonlinear Systems by Backstepping

2024· article· en· W4396214952 sur OpenAlexaff
Ning Li, Xiaoping Liu, Cungen Liu, Weikai He, Huanqing Wang

Notice bibliographique

RevueIEEE Transactions on Automation Science and Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueControl and Stability of Dynamical Systems
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésBacksteppingUnderactuationControl theory (sociology)Nonlinear systemController (irrigation)Adaptive controlAdaptive systemComputer scienceLinearizationControl engineeringLyapunov functionMathematicsEngineeringRobotArtificial intelligenceControl (management)

Résumé

récupéré en direct d'OpenAlex

Inspired by backstepping method, this paper proposes a novel adaptive stabilizing control method for a class of uncertain underactuated nonlinear systems, which is named as underactuated adaptive backstepping. Firstly, based on a virtual controller and a partial differential equation (PDE), a residual system is constructed. Then, a novel coordinate transformation is introduced to analyse the adaptive stabilizing control problem of the residual system, which breaks through the restriction of strict feedback form and achieves the estimation of unknown parameters. The proposed method first applies backstepping to form a residual system, and then uses backstepping again to design an adaptive controller for the residual system. The stability of the proposed method is proven based on Lyapunov’s theorems. Finally, two actual underactuated examples with physical damping are provided to demonstrate the effectiveness of the proposed underactuated adaptive backstepping.Note to Practitioners—This paper aims to develop a novel underactuated adaptive scheme called underactuated adaptive backstepping for underactuated mechanical systems. This scheme can effectively address the parameter uncertainty problem and achieve good control effect, even if there is uncertain physical damping which may change the equilibrium point in the system. Compared with existing methods, this scheme provides a novel design approach without linearization and approximation, which fully promotes the development of backstepping in the underactuated field. Moreover, the simulation experiments are carried out on the inertia wheel pendulum and ball and beam system with physical damping, thus effectively proving the feasibility of this scheme. In the future, the scheme will be applied to practical mechanical systems.

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 enseignants0,002
Score d'incertitude au seuil0,005

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,219
Écart entre enseignants0,210 · 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

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Automation Science and EngineeringMême sujetControl and Stability of Dynamical SystemsTravaux en français237 207