MétaCan
Menu
Retour à la cohorte
Enregistrement W4409214770 · doi:10.3390/aerospace12040312

Adaptive Incremental Nonlinear Dynamic Inversion Control with Guaranteed Stability for Aerial Manipulators

2025· article· en· W4409214770 sur OpenAlexaff
Chanhong Park, Alejandro Ramirez‐Serrano, Mahdis Bisheban

Notice bibliographique

RevueAerospace · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdaptive Control of Nonlinear Systems
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Nonlinear systemInversion (geology)Adaptive controlStability (learning theory)Computer scienceControl engineeringControl (management)EngineeringArtificial intelligenceGeologyMachine learningPhysics

Résumé

récupéré en direct d'OpenAlex

This paper introduces an adaptive Incremental Nonlinear Dynamic Inversion (INDI) control methodology with guaranteed stability for a highly maneuverable unmanned aerial manipulator (UAM) designed to operate under demanding conditions, such as rapid arm movements and varying manipulated payloads. This work extends previous work on the control of aerial manipulators by addressing control effectiveness uncertainties. The stability bounds of the inertia matrix within the control effectiveness matrix are derived through a detailed eigenvalue analysis, ensuring that the eigenvalues consistently remain within a specified stability threshold. The proposed methodology ensures both stability and control responsiveness by dynamically adjusting the inertia parameters of the control effectiveness matrix within stability-guaranteeing limits. The methodology is validated through extensive simulation tests showing that the proposed adaptive INDI controller outperforms previous UAM controllers, effectively coping with disturbances caused by varying grasped payloads/masses and extended arm movements with guaranteed stability.

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 enseignants0,002
Score d'incertitude au seuil0,004

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 ouverte0,0010,001
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 Opus0,010
Tête enseignante GPT0,220
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAerospaceMême sujetAdaptive Control of Nonlinear SystemsTravaux en français237 207