MétaCan
Menu
Retour à la cohorte
Enregistrement W2012001868 · doi:10.1017/s0263574703005228

Optimum design of parallel kinematic toolheads with genetic algorithms

2004· article· en· W2012001868 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRobotica · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensToronto Metropolitan UniversityQueen's UniversityUniversity of TorontoNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésWorkspaceKinematicsTripod (photography)StiffnessStandard deviationControl theory (sociology)ActuatorComputer scienceMathematicsEngineeringMechanical engineeringStructural engineeringArtificial intelligenceStatisticsRobot

Résumé

récupéré en direct d'OpenAlex

In this paper, the optimum design of parallel kinematic toolheads is implemented using genetic algorithms with the consideration of the global stiffness and workspace volume of the toolheads. First, a complete kinetostatic model is developed which includes three types of compliance, namely, actuator compliance, leg bending compliance and leg axial compliance. Second, based on this model, two kinetostatic performance indices are introduced to provide a new means of measuring compliance over the workspace. These two kinetostatic performance indices are the mean value and the standard deviation of the trace of the generalized compliance matrix. The mean value represents the average compliance of the Parallel Kinematic Machines over the workspace, while the standard deviation indicates the compliance fluctuation relative to the mean value. Third, design optimization is implemented for global stiffness and working volume based on kinetostatic performance indices. Additionally, some compliance comparisons between Tripod toolhead and other two principal Tripod-based Parallel Kinematic Machines are conducted.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,200
Écart entre enseignants0,187 · 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