MétaCan
Menu
Retour à la cohorte
Enregistrement W4403547289 · doi:10.1002/acs.3918

Adaptive Fuzzy Finite‐Time Command Filtered Control for Stochastic Nonlinear Systems With Unmodeled Dynamics and Dead‐Zone Constraints

2024· article· en· W4403547289 sur OpenAlexaff
Shijia Kang, Peter Liu, Huanqing Wang

Notice bibliographique

RevueInternational Journal of Adaptive Control and Signal Processing · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdaptive Control of Nonlinear Systems
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Fuzzy logicNonlinear systemBounded functionController (irrigation)TrajectoryFilter (signal processing)Fuzzy control systemUniform boundednessComputer scienceDead zoneStability (learning theory)Adaptive controlMathematicsControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In this article, the issue of adaptive fuzzy finite‐time command filtered control is discussed for nonlinear stochastic systems subject to unknown dead‐zone constraints and unmodeled dynamics. The packaged unknown nonlinearities are approximated by introducing fuzzy logic systems. An improved technique is introduced to cope with unknown functions with the structure of nonstrict‐feedback in the operation of controller design. Under the criterion of finite‐time stability, a novel fast convergent control scheme is developed. Additionally, the effect of filter errors bought by the command filters is diminished via applying corresponding error compensating signals and a measurable dynamic signal is adopted to handle unmodeled dynamics. The improved designed controller not only guarantees all the closed‐loop signals remain finite‐time bounded, but also makes the system output follows the given desirable trajectory under the bounded error. The usefulness of the designed strategy can be verified through the numerical and practical examples.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,217 · 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
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Adaptive Control and Signal ProcessingMême sujetAdaptive Control of Nonlinear SystemsTravaux en français237 207