This note investigates process fault accommodation in a class of nonlinear continuous-time systems. A new fault estimation module, based on an adaptive estimator, is first proposed. The fault tolerant controller is constructed to compensate for the effect of the faults by stabilizing the closed-loop system. A flexible joint robotic example is given to illustrate the efficiency of the proposed approach

This study gives the mathematic model of a quadrotor unmanned aerial vehicle (UAV) and then proposes a robust nonlinear controller which combines the sliding-mode control technique and the backstepping control technique. To achieve Cartesian position trajectory tracking capability, the construction of the controller can be divided into two stages: a regular SMC controller for attitude subsystem (inner loop) is first developed to guarantee fast convergence rapidity of Euler angles and the backstepping technique is applied to the position loop until desired attitudes are obtained and then the ultimate control laws. The stability of the closed-loop system is guaranteed by stabilizing each of the subsystems step by step and the robustness of the controller against model uncertainty and external disturbances is investigated. In addition, an adaptive observer-based fault estimation scheme is also considered for taking off mode. Simulations are conducted to demonstrate the effectiveness of the designed robust nonlinear controller and the fault estimation scheme.

Acquiring clear and usable audio recordings is critical for acoustic analysis of animal vocalizations. Bioacoustics studies commonly face the problem of overlapping signals, but the issue is often ignored, as there is currently no satisfactory solution. This study presents a bi-directional long short-term memory (BLSTM) network to separate overlapping bat calls and reconstruct waveform audio sounds. The separation quality was evaluated using seven temporal-spectrum parameters. The applicability of this method for bat calls was assessed using six different species. In addition, clustering analysis was conducted with separated echolocation calls from each population. Results showed that all syllables in the overlapping calls were separated with high robustness across species. A comparison between the seven temporal-spectrum parameters showed no significant difference and negligible deviation between the extracted and original calls, indicating high separation quality. Clustering analysis of the separated echolocation calls also produced an accuracy of 93.8%, suggesting the reconstructed waveform sounds could be reliably used. These results suggest the proposed technique is a convenient and automated approach for separating overlapping calls using a BLSTM network. This powerful deep neural network approach has the potential to solve complex problems in bioacoustics.

CsH2PO4 (CDP) is a well-known super-protonic conductor. However, it must operate under high humidity conditions to prevent dehydration and fast conductivity decay. Here we report that adding hydrophilic SnO2 into...