Application of Adaptive Discrete Feedforward Controller in Multi-Axial Real-Time Hybrid Simulation
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
Real-time hybrid simulation (RTHS) evaluates the dynamic performance of a structure by physically testing the selected components while modeling the remaining structure numerically, making it efficient in both cost and testing space requirements. In RTHS, accurately imposing target boundary conditions on specimens is critical, as it directly influences test accuracy and overall simulation stability. However, boundary condition application often experiences tracking errors due to the dynamics of the servo–hydraulic loading system and control-structural interaction. This challenge intensifies with multiple actuators operating in a multi-axial setup, introducing dynamic coupling effects. Thus, an outer-loop controller enabling precise actuator tracking of reference boundary conditions is essential for reliable RTHS. While advancements in outer-loop controllers for uniaxial RTHS exist, multi-axial RTHS (maRTHS) employing multiple degrees of freedom control remains underexplored. This study applies the adaptive discrete feedforward controller (ADFC), consisting of a discrete feedforward compensator and an online identifier, to a multi-input, multi-output (MIMO) system for maRTHS. To validate ADFC’s performance and robustness, 1000 virtual maRTHS tests incorporating plant uncertainties were conducted under seismic excitations. Ten evaluation criteria were applied. Results confirm that ADFC achieves robust and stable control by reducing phase and amplitude errors, while also improving estimation accuracy at the physical–numerical interface.
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 | 0,000 |
| 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