MétaCan
Menu
Retour à la cohorte
Enregistrement W4405444403 · doi:10.3390/robotics13120180

Backstepping-Based Nonsingular Terminal Sliding Mode Control for Finite-Time Trajectory Tracking of a Skid-Steer Mobile Robot

2024· article· en· W4405444403 sur OpenAlexaff
Mulugeta Debebe Teji, Ting Zou, Dinku Seyoum Zeleke

Notice bibliographique

RevueRobotics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueControl and Dynamics of Mobile Robots
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésBacksteppingControl theory (sociology)Mobile robotTrajectoryLyapunov stabilityTerminal sliding modeControl engineeringLyapunov functionEngineeringSliding mode controlRobotComputer scienceAdaptive controlNonlinear systemControl (management)Artificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Skid-steer mobile robots (SSMRs) are ubiquitous in indoor and outdoor applications. Their accurate trajectory tracking control is quite challenging due to the uncertainties arising from the complex behavior of frictional force, external disturbances, and fluctuations in the instantaneous center of rotation (ICR) during turning maneuvers. These uncertainties directly disturb velocities, hindering the robot from tracking the velocity command. This paper proposes a nonsingular terminal sliding mode control (NTSMC) based on backstepping for a four-wheel SSMR to cope with the aforementioned challenges. The strategy seeks to mitigate the impacts of external disturbances and model uncertainties by developing an adaptive law to estimate the integrated lumped outcome. The finite time stability of the closed-loop system is proven using Lyapunov’s theory. The designed NTSMC input is continuous and avoids noticeable chattering. It was noted in the simulation analysis that the proposed control strategy is strongly robust against disturbance and modeling uncertainties, demonstrating effective trajectory tracking performance in the presence of disturbance and modeling uncertainties.

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)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,008
Tête enseignante GPT0,234
Écart entre enseignants0,226 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoboticsMême sujetControl and Dynamics of Mobile RobotsTravaux en français237 207