← नवीनतम पेपर
⚡ electrical engineering

Data-Driven Frequency-Selective Output Regulation of Nonlinear Systems under Almost Periodic Exosignals

यह शोध पत्र लगभग आवधिक (almost periodic) एक्सोजेन्सियल्स द्वारा संचालित अज्ञात गैररेखीय प्रणालियों के लिए एक डेटा-संचालित आवृत्ति-चयनात्मक आउटपुट रेगुलेशन फ्रेमवर्क प्रस्तावित करता है, जो सिस्टम पहचान या एक्सोजेन्सियल आयाम/फेज माप की आवश्यकता के बिना विशिष्ट फूरियर-बोर (Fourier-Bohr) त्रुटि घटकों को समाप्त करने और अवशिष्ट ऊर्जा को सीमित करने के लिए एक p-कॉपी इंटरनल मॉडल और एक शोर-रोधी अर्ध-निश्चित प्रोग्राम (semidefinite program) का उपयोग करता है।

मूल लेखक: Yifei Li, Wenjie Liu, Gang Wang, Lihua Xie

प्रकाशित 2026-06-12
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Yifei Li, Wenjie Liu, Gang Wang, Lihua Xie

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक ड्रोन को हवा में बिल्कुल स्थिर रखने की कोशिश कर रहे हैं। लेकिन इसमें एक पेच है: ड्रोन एक रस्सी से लटके हुए भारी पैकेज को ढो रहा है। भौतिक विज्ञान के कारण, वह पैकेज एक पेंडुलम की तरह आगे-पीछे झूल रहा है। यह झूलना एक लयबद्ध, डगमगाता हुआ बल पैदा करता है जो ड्रोन को ऊपर, नीचे और तिरछा धकेलता है।

आपका लक्ष्य ड्रोन के मोटरों को ठीक से बताना है कि उन्हें इन डगमगाहटों को रोकने के लिए कैसे विपरीत दिशा में धक्का देना चाहिए ताकि ड्रोन स्थिर रहे।

पुराना तरीका: "सब कुछ ठीक करने के लिए सब कुछ जानना"

पारंपरिक रूप से, इस समस्या को हल करने के लिए इंजीनियरों को ड्रोन, रस्सी, हवा और झूलते हुए पैकेज का एक सटीक गणितीय मानचित्र (mathematical map) बनाने की आवश्यकता होती है। उन्हें यह पता लगाने के लिए अविश्वसनीय रूप से जटिल समीकरण (जिन्हें "Nonlinear Regulator Equations" कहा जाता है) हल करने होंगे कि झूलने के प्रभाव को ठीक से कैसे रोका जाए।

  • समस्या: वास्तविक दुनिया में, आपको शायद ही कभी पैकेज का सटीक वजन, रस्सी की सटीक लंबाई या ड्रोन की सटीक एरोडायनामिक्स का पता हो। यदि आपका मानचित्र थोड़ा भी गलत है, तो गणित विफल हो जाएगा, और ड्रोन दुर्घटनाग्रस्त हो जाएगा या अनियंत्रित रूप से डगमगाने लगेगा।

नया तरीका: "नक्शे से नहीं, लय से सीखें"

यह शोध पत्र एक स्मार्ट, "डेटा-संचालित" (data-driven) दृष्टिकोण प्रस्तावित करता है। पूरे ड्रोन और रस्सी के सिस्टम का नक्शा बनाने के बजाय, शोधकर्ता ड्रोन को समस्या की लय (rhythm) को सुनना सिखाते हैं।

वे इसे कैसे करते हैं, इसके लिए यहाँ कुछ सरल उपमाएँ दी गई हैं:

1. "ट्यूनिंग फोर्क" (आंतरिक मॉडल)

कल्पना कीजिए कि झूलता हुआ पैकेज एक संगीत के नोट की तरह है जिसे बार-बार बजाया जा रहा है। ड्रोन को यह जानने की आवश्यकता नहीं है कि पैकेज क्यों झूल रहा है या वह कितना भारी है। उसे बस झूलने की आवृत्ति (frequency) (गति) जानने की आवश्यकता है।

शोधकर्ताओं ने ड्रोन के कंप्यूटर के भीतर एक विशेष "ट्यूनिंग फोर्क" बनाया है। यह ट्यूनिंग फोर्क ठीक उसी गति पर कंपन करने के लिए प्रोग्राम किया गया है जिस गति पर झूलता हुआ पैकेज (और कोई भी अन्य ज्ञात लयबद्ध व्यवधान) झूल रहा है।

  • यह कैसे काम करता है: जब पैकेज झूलता है, तो ड्रोन के भीतर का ट्यूनिंग फोर्क उसी ताल में "गुनगुनाने" लगता है। ड्रोन इस गुनगुनाहट का उपयोग यह अनुमान लगाने के लिए करता है कि अगला धक्का कब आएगा और डगमगाहट खराब होने से पहले ही वह विपरीत दिशा में धक्का देता है। यह झूलने की विशिष्ट लय को रद्द कर देता है।

2. "ब्लैक बॉक्स" लर्नर (डेटा-संचालित डिज़ाइन)

आमतौर पर, इस "ट्यूनिंग फोर्क" को सही ढंग से ट्यून करने के लिए, आपको ड्रोन के इंजन के स्पेसिफिकेशन जानने की आवश्यकता होती है। लेकिन यह शोध पत्र कहता है, "हमें इंजन के स्पेसिफिकेशन जानने की ज़रूरत नहीं है!"

इसके बजाय, वे ड्रोन को चारों ओर उड़ाते हैं, उसे हवा और झूलते पैकेज से टकराने देते हैं, और जो कुछ भी होता है उसे रिकॉर्ड करते हैं। वे उस कच्चे डेटा (जैसे ड्रोन की गतिविधियों का वीडियो) को लेते हैं और उसे एक विशेष गणितीय फ़िल्टर ("Semidefinite Program") के माध्यम से चलाते हैं।

  • जादू: यह फ़िल्टर बिना कभी ड्रोन के वजन या रस्सी की लंबाई की पहचान किए, सीधे डेटा से सर्वोत्तम कंट्रोलर सेटिंग्स का पता लगा लेता है। यह गियर और चेन के भौतिकी का अध्ययन करने के बजाय, संतुलन को महसूस करके साइकिल चलाना सीखने जैसा है।

3. "नॉइज़-कैंसलिंग" लक्ष्य

शोधकर्ता स्वीकार करते हैं कि वे ड्रोन को 100% समय पूरी तरह से स्थिर नहीं बना सकते। वहां छोटे, यादृच्छिक (random) झटके या अजीब आवृत्तियाँ हो सकती हैं जिन्हें उनके ट्यूनिंग फोर्क ने नहीं पकड़ा है।

  • वादा: उनका तरीका गारंटी देता है कि विशिष्ट, लयबद्ध डगमगाहटें (जो पैकेज के झूलने से मेल खाती हैं) पूरी तरह से गायब हो जाएंगी। शेष छोटी डगमगाहटें गणितीय रूप से बहुत छोटी और हानिरहित साबित होती हैं। यह नॉइज़-कैंसलिंग हेडफ़ोन की तरह है: वे अचानक चिल्लाने की आवाज़ को नहीं रोक सकते, लेकिन वे हवाई जहाज के इंजन की निरंतर गूँज को पूरी तरह से शांत कर सकते हैं।

परिणाम

उन्होंने इसे एक कंप्यूटर सिमुलेशन और एक भौतिकी-आधारित रोबोट वातावरण (एक लटका हुआ भार वाला ड्रोन) पर परीक्षण किया।

  • उनके तरीके के बिना: जब पैकेज झूलता था, तो ड्रोन बेतहाशा डगमगाता था।
  • उनके तरीके के साथ: ड्रोन उल्लेखनीय रूप से स्थिर रहा। झूलते पैकेज के कारण होने वाली लयबद्ध थरथराहट लगभग पूरी तरह से समाप्त हो गई, भले ही कंप्यूटर को पैकेज के सटीक वजन या रस्सी की लंबाई का पता नहीं था।

सारांश में

यह शोध पत्र जटिल, डगमगाती मशीनों (जैसे झूलते भार वाले ड्रोन) को नियंत्रित करने का एक तरीका प्रस्तुत करता है, जिसके लिए मशीन की भौतिकी की पूर्ण समझ या एक सटीक मैनुअल की आवश्यकता नहीं होती है। एक "लय डिटेक्टर" (आंतरिक मॉडल) को शामिल करके और परीक्षण-दर-त्रुटि (trial-and-error) डेटा से सीधे सीखकर, यह प्रणाली विशिष्ट, परेशान करने वाली कंपनों को रद्द कर सकती है और मशीन को स्थिर रख सकती है, भले ही अज्ञात व्यवधानों का सामना करना पड़े।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →