MétaCan
Menu
Retour à la cohorte
Enregistrement W4416513596 · doi:10.1109/tie.2025.3618866

Modeling and Tracking Control of Nondifferentiable Sandwiched Dynamic Systems: Case Study on Gear Transmission Servo Systems

2025· article· W4416513596 sur OpenAlexaff
Yuan Jiang, Shihua Li, Chun‐Yi Su

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensConcordia University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésControl theory (sociology)BacklashFeed forwardConvergence (economics)Controller (irrigation)Tracking errorBounded functionNonlinear systemTransmission (telecommunications)

Résumé

récupéré en direct d'OpenAlex

Many practical engineering systems, classified as nondifferentiable sandwiched dynamic systems (NSDSs), pose significant challenges to controller design due to their inherent unknown nondifferentiable nonlinearities. Among these, gear transmission servo (GTS) systems constitute a prominent research focus, exemplifying the complexities associated with modeling and control in NSDSs. Specifically, gear backlash introduces internal dead-zone nonlinearities, causing detrimental effects such as vibrations, diminished control accuracy, and potential instability. Such systems, characterized by unknown parameters including dead-zone characteristics, form fourth-order nonlower triangular dynamic structures, further complicated by uncertainties and external disturbances that impede convergence and controller performance. To address these critical challenges, this article proposes a novel block-structured control framework (BSCF) integrating feedforward compensation, nonlinear extended state observers, and dynamic surface control techniques, all built upon system identification results. A rigorous Lyapunov-based analysis is provided to establish that the tracking error converges to a bounded neighborhood of the origin, with the ultimate bound being adjustable through suitable parameter tuning. Experimental results confirm the effectiveness of the proposed strategy in eliminating the adverse effects of dead-zone nonlinearities and achieving satisfactory tracking accuracy. Furthermore, this control framework demonstrates broad applicability and can be extended to other sandwiched systems featuring nondifferentiable nonlinearities and/or nonlower triangular structures.

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 seuil0,009

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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,020
Tête enseignante GPT0,259
Écart entre enseignants0,239 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetIterative Learning Control SystemsTravaux en français237 207