MétaCan
Menu
Retour à la cohorte
Enregistrement W2026310120 · doi:10.1115/detc2011-48169

An Improved Branch-and-Bound Algorithm for Minimizing the Potential Energy of a Cable-Suspended Rigid Body

2011· article· en· W2026310120 sur OpenAlexaff
Franc ̧ois Guay, Jean-Franc ̧ois Collard, Philippe Cardou, Marc Gouttefarde

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésRigid bodyConical surfaceRegular polygonAlgorithmEnergy minimizationBranch and boundRotation (mathematics)MathematicsRigid body dynamicsComputer scienceGeometryTopology (electrical circuits)CombinatoricsPhysicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

We compute the lowest stable-equilibrium pose of a rigid body suspended in space by an arbitrary number of cables, being given the cable lengths and the attachment-point positions on the fixed frame and on the rigid body. This fundamental problem of mechanics if of interest in the fields of underconstrained cable-driven parallel robots and cooperative towing. The approach of the present work is very similar to one that is reported in a previous paper by the authors. Indeed, the problem is formulated as a potential energy minimization, and is solved using a branch-and-bound algorithm. Hence, we report mainly on improvements in the branching and bounding parts of the algorithm. In short, the idea is to search for the optimum rigid-body pose by partitioning only the rotation subgroup of rigid-body displacements. This is done here by dividing the four-dimensional space of Euler-Rodrigues parameters with polyhedral cones instead of boxes, the latter being normally used for this type of problem. The advantage is that cones conform better to the four-dimensional unit-sphere of Euler-Rodrigues parameters. The convex relaxations of the original optimization problem are then adapted to the newly defined conical subsets. Besides resulting in a more elegant algorithm, this new conical branch-and-bound method leads to a higher efficiency in the case of reported examples.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,010
Tête enseignante GPT0,200
Écart entre enseignants0,190 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotic Mechanisms and DynamicsTravaux en français237 207