Calibration Efficiency Analysis Based on Five Observability Indices and Two Calibration Models for a Six-Axis Industrial Robot
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">The purpose of this work is to evaluate the efficiency of several calibration methods applied to a six-axis industrial (serial) robot. Specifically, the absolute position accuracy of a Fanuc LR Mate 200 iC industrial robot is improved using two calibration models. The first model is purely kinematic, and takes into account all geometric parameters. The second model considers, in addition, five compliance parameters related to the stiffness in joints 2, 3, 4, 5, and 6. For both models, the so-called calibration (or identification) robot configurations are selected based on an observability analysis. For each model, the efficiency of five different observability indices are compared. The parameter identification is based on the forward kinematic approach, where only the residual of the calibration positions is minimized. The data collection process is completely automated, by using Matlab, a FARO laser tracker, communication modules, and a special end-effector with three optical targets (SMRs). The comparisons of the observability indices and of the two calibration models are made through an exhaustive experimentation (7000 measurements). Results show that the robot's mean position error is reduced from 0.622 mm (before calibration) to 0.250 mm, when using the kinemetic model, and to 0.142 mm, when using the complete calibration model.</div></div>
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».