Model reference adaptive hierarchical control framework for shake table tests
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The structural response under earthquake excitation can be simulated by shake table tests. However, the performance of the shake table is affected by the Control‐Structure Interaction (CSI) effect. In recent years, nonlinear control algorithms were developed to compensate for the CSI effect. In this study, a model reference adaptive control algorithm, named model reference adaptive hierarchical control (MRAHC) framework, is presented. MRAHC consists of a high (adaptive) and low (loop‐shaping) level controller. The high‐level (adaptive) controller develops the control algorithm on the system level, which directedly considers the inherent nonlinearity of the test specimen and the CSI effect. While the low‐level (loop‐shaping) controller develops the control algorithm to regulate the hydraulic system and make sure it can follow the reference signal generated by the high‐level (adaptive) controller. MRAHC offers many advantages including direct compensation to the structural nonlinearity and the ability to handle the CSI effect. In addition, it allows users to quantify the mass of the test specimens without measurement. To evaluate the performance of the MRAHC method, shake table tests with different upper structure masses were carried out. The performance of the MRAHC was compared with the direct loop‐shaping control method (LC) and the Proportional‐Integral‐Differentiation control method (PID). The results show that the MRAHC can achieve better acceleration tracking compared to the LC and PID control methods. Hence, the MRAHC can be used as an effective nonlinear controller for shake table tests.
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.
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 | 0,001 |
| 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 découle