論文の概要: Optimization of sliding control parameters for a 3-dof robot arm using genetic algorithm (GA)
- arxiv url: http://arxiv.org/abs/2508.04009v1
- Date: Wed, 06 Aug 2025 01:47:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-07 20:09:22.498788
- Title: Optimization of sliding control parameters for a 3-dof robot arm using genetic algorithm (GA)
- Title（参考訳）: 遺伝的アルゴリズム(GA)を用いた3段ロボットアームの滑り制御パラメータの最適化
- Authors: Vu Ngoc Son, Pham Van Cuong, Dao Thi My Linh, Le Tieu Nien,
- Abstract要約: 本稿では遺伝的アルゴリズム(GA)を適用したロボットマニピュレータにおけるスライディングモード制御(SMC)パラメータの最適化手法を提案する。
SMCの目的は、不確実かつ乱れた条件下でロボットマニピュレータの軌道を正確に一貫した追跡を行うことである。
提案手法は従来のSMCとFuzzy-SMCと比較して効率的である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a method for optimizing the sliding mode control (SMC) parameter for a robot manipulator applying a genetic algorithm (GA). The objective of the SMC is to achieve precise and consistent tracking of the trajectory of the robot manipulator under uncertain and disturbed conditions. However, the system effectiveness and robustness depend on the choice of the SMC parameters, which is a difficult and crucial task. To solve this problem, a genetic algorithm is used to locate the optimal values of these parameters that gratify the capability criteria. The proposed method is efficient compared with the conventional SMC and Fuzzy-SMC. The simulation results show that the genetic algorithm with SMC can achieve better tracking capability and reduce the chattering effect.
- Abstract（参考訳）: 本稿では遺伝的アルゴリズム(GA)を適用したロボットマニピュレータのスライディングモード制御(SMC)パラメータを最適化する手法を提案する。
SMCの目的は、不確実かつ乱れた条件下でロボットマニピュレータの軌道を正確に一貫した追跡を行うことである。
しかし、システムの有効性と堅牢性はSMCパラメータの選択に依存する。
この問題を解決するために、遺伝的アルゴリズムを用いて、これらのパラメータの最適値を見つけ出し、能力基準を満足させる。
提案手法は従来のSMCとFuzzy-SMCと比較して効率的である。
シミュレーションの結果,SMCを用いた遺伝的アルゴリズムは,より優れた追跡能力を実現し,解答効果を低減できることが示唆された。
関連論文リスト
- Towards Generalized Parameter Tuning in Coherent Ising Machines: A Portfolio-Based Approach [0.0]
Coherent Ising Machines (CIM) は、最近最適化問題を解決するための有望な計算モデルとして注目されている。
モーメント付きカオス振幅制御(CACm)アルゴリズムを用いたCIMにおけるハイパーパラメータチューニングのためのアルゴリズムポートフォリオ手法を提案する。
論文 参考訳（メタデータ） (2025-07-27T14:18:54Z) - End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳（メタデータ） (2024-02-12T16:33:35Z) - Stochastic Optimal Control Matching [53.156277491861985]
最適制御のための新しい反復拡散最適化(IDO)技術である最適制御マッチング(SOCM)を導入する。
この制御は、一致するベクトル場に適合しようとすることで、最小二乗問題を通じて学習される。
実験により,本アルゴリズムは最適制御のための既存のすべての IDO 手法よりも低い誤差を実現する。
論文 参考訳（メタデータ） (2023-12-04T16:49:43Z) - A Learning-based Adaptive Compliance Method for Symmetric Bi-manual Manipulation [13.061684545690882]
シンメトリバイマニュアル操作は、軌道上での操作において必須のスキルである。
従来の手法では、モーションプランニングとコンプライアンスコントロールは2つの別々のモジュールと見なされてきた。
本稿では,対称的双方向操作の効率性とロバスト性を向上させる学習型適応コンプライアンスアルゴリズム(LAC)を提案する。
論文 参考訳（メタデータ） (2023-03-27T14:51:29Z) - Stochastic Gradient MCMC with Multi-Armed Bandit Tuning [2.2559617939136505]
本稿では,SGMCMCハイパーパラメータを調整し,後部近似の精度を最大化するバンディットに基づく新しいアルゴリズムを提案する。
シミュレーションと実データの両方で実験を行い,本手法が広範囲の応用分野に適用可能であることを確認した。
論文 参考訳（メタデータ） (2021-05-27T11:00:31Z) - Optimizing Large-Scale Hyperparameters via Automated Learning Algorithm [97.66038345864095]
ゼロ階超勾配(HOZOG)を用いた新しいハイパーパラメータ最適化法を提案する。
具体的には、A型制約最適化問題として、まずハイパーパラメータ最適化を定式化する。
次に、平均ゼロ階超勾配を用いてハイパーパラメータを更新する。
論文 参考訳（メタデータ） (2021-02-17T21:03:05Z) - Off-the-grid data-driven optimization of sampling schemes in MRI [0.0]
本稿では,MRIにおける効率よく,物理的に妥当なサンプリングパターンを生成するための,新しい学習ベースアルゴリズムを提案する。
この手法はアルゴリズムによって暗黙的に定義されたコスト関数の高次元最適化からなる。
論文 参考訳（メタデータ） (2020-10-05T07:06:39Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - Bayesian Sparse learning with preconditioned stochastic gradient MCMC
and its applications [5.660384137948734]
提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束する。
提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束可能であることを示す。
論文 参考訳（メタデータ） (2020-06-29T20:57:20Z) - On Hyper-parameter Tuning for Stochastic Optimization Algorithms [28.88646928299302]
本稿では,強化学習に基づく最適化アルゴリズムのハイパーパラメータをチューニングするための,最初のアルゴリズムフレームワークを提案する。
提案フレームワークはアルゴリズムにおけるハイパーパラメータチューニングの標準ツールとして利用できる。
論文 参考訳（メタデータ） (2020-03-04T12:29:12Z) - Mixed Strategies for Robust Optimization of Unknown Objectives [93.8672371143881]
そこでは,不確実なパラメータの最悪の実現に対して,未知の目的関数を最適化することを目的として,ロバストな最適化問題を考察する。
我々は,未知の目的をノイズ点評価から逐次学習する,新しいサンプル効率アルゴリズムGP-MROを設計する。
GP-MROは、最悪のケースで期待される目標値を最大化する、堅牢でランダムな混合戦略の発見を目指している。
論文 参考訳（メタデータ） (2020-02-28T09:28:17Z) - Improving Sampling Accuracy of Stochastic Gradient MCMC Methods via
Non-uniform Subsampling of Gradients [54.90670513852325]
サンプリング精度を向上させるための一様でないサブサンプリング手法を提案する。
EWSGは、一様勾配MCMC法がバッチ勾配MCMC法の統計的挙動を模倣するように設計されている。
EWSGの実践的な実装では、データインデックス上のMetropolis-Hastingsチェーンを介して、一様でないサブサンプリングを効率的に行う。
論文 参考訳（メタデータ） (2020-02-20T18:56:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。