MétaCan
Menu
Retour à la cohorte
Enregistrement W4410242051 · doi:10.18280/mmep.120425

Design and Simulation of Adaptive Sliding Mode Fuzzy Controller for a 2-Link Robot Manipulator

2025· article· en· W4410242051 sur OpenAlexvenueno aff
Aya M. Hameed, Ahmed Khalaf Hamoudi

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueDynamics and Control of Mechanical Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLink (geometry)Robot manipulatorControl theory (sociology)Computer scienceFuzzy logicManipulator (device)Controller (irrigation)Control engineeringMode (computer interface)RobotEngineeringArtificial intelligenceControl (management)Computer networkHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Sliding mode controllers (SMC) are among the most durable and nonlinear regulators.Its methodical design process gives a simple answer for the control signal.The main disadvantage is that a traditional SMC suffers from chatter, which creates an unwanted zigzag stir over the sliding face.numerous approaches were developed and applied to palliate the downsides of this traditional methodology.The purpose of this paper is to reduce the settling time and magnitude of chatter as small as possible by designing several regulators; a classical sliding mode controller (CSMC) with a saturation function (SF), a CSMC with a barrier function (BF), an adaptive sliding mode controller (ASMC) with a saturation function, a conventional sliding mode fuzzy controller (CSMFC) with a saturation function and an adaptive sliding mode fuzzy controller (ASMFC) with a saturation function.The issues of the simulations can be attained using MATLAB 2018a/Simulink.The modeling shows that the results of ASMFC and CSMFC are better than the results of ASMC with achromatism function, and CSMC with achromatism function and with barricade function because the magnitude of chatter in the control action has been important reduced to roughly zero value and they take small settling time in comparison with others.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,904
Score d'incertitude au seuil0,648

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 Opus0,028
Tête enseignante GPT0,226
Écart entre enseignants0,198 · 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
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetDynamics and Control of Mechanical SystemsTravaux en français237 207