Kinematic Synthesis of Nonspherical Orientation Manipulators: Maximization of Dexterous Regular Workspace by Multiple Response Optimization
Notice bibliographique
Résumé
Kinematic synthesis of a parallel manipulator refers to the systematic determination of the optimum geometry that maximizes a set of kinematic performance characteristics. Essentially, this is an optimization problem where the objective function is composed of certain kinematic performance metrics that encapsulate specific requirements. Additional constraints (e.g., choice of an actuator) limit the parameter space and thus force kinematic synthesis to find a local optimum that is consistent with all design requirements. The volume and the dexterity of the workspace characterize the kinematic performance of an orientation manipulator requiring a small form factor. In this paper, the optimum geometries of two orientation manipulators differing in limb configurations (i.e., kinematic architecture) are synthesized through the application of the efficient and statistically robust response surface methodology (RSM). To this end, a gradient-based iterative technique is employed to estimate the objective function by solving the direct kinematics of each manipulator. The optimization procedure presented in this paper begins with an arbitrarily chosen initial parameter space. A hybrid approach consisting of a space-filling and an IV-optimal (integrated variance) experiment design is employed in order to reduce the initial search space and to find appropriate regression models that adequately fit the objective function. Subsequently, the empirical models thus determined are employed to find an optimum parameter set that maximizes the objective function. This solution approach efficiently identifies the optimal manipulators for both architectures that can accommodate a prospective linear actuator capable of delivering high dynamic performance.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».