MétaCan
Menu
Retour à la cohorte
Enregistrement W4405913594 · doi:10.18280/mmep.111207

Model Predictive Controller Design for a Pesticide Spraying Robot

2024· article· en· W4405913594 sur OpenAlexvenueno aff
Eyasu Mekonen, Ayodeji Olalekan Salau, Elisha Didam Markus, Ermias Kassahun, Ting Tin Tin

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Surface Properties and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPesticideController (irrigation)Model predictive controlRobotControl theory (sociology)Control engineeringComputer scienceEnvironmental scienceEngineeringArtificial intelligenceControl (management)BiologyAgronomy

Résumé

récupéré en direct d'OpenAlex

An essential component of human survival is agriculture.Global human welfare is guaranteed by accurate and effective agricultural control.Conventional agricultural production regulation techniques are time-consuming, labor-intensive, and challenging, while pressing agricultural concerns continue to exist.Agricultural systems are complicated, multivariate, and unpredictable which can be difficult to control using classical control technologies.Model predictive control (MPC) techniques enhance spinning efficiency in a constrained temporal domain, which increases precision, and can provide very accurate control actions with moderate complexity.This paper presents a differential drive robot trajectory tracking approach to achieve minimum error using a mathematical model that controls kinematics and dynamics without coordinate transformation.By taking into account the physics of the engine and frame, a linear state-space dynamic model is developed.The dynamic and kinematic models are enhanced to yield one single state-space linear equation.Constraints on manipulated and controlled variables of the drive motors supply voltage are considered in the control design.To show the performance of the controller, different kinds of trajectories were implemented including circular and eight shaped using MATLAB Simulink software.The findings are examined critically and analytically.Furthermore, investigation was conducted to assess the controller's efficiency both in the presence and absence of unforeseen external disruption along with interior parameter change using a number of key performance measures, which include rise time, settling time, integral time absolute error (ITAE), integral time square error (ITSE), and integral absolute error (IAE).This analysis shows that the suggested MPC regulator is more predictable and flexible to changes in internal parameters and outside influences for the investigated system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,890
Score d'incertitude au seuil0,232

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,065
Tête enseignante GPT0,210
Écart entre enseignants0,145 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetPlant Surface Properties and TreatmentsTravaux en français237 207