MétaCan
Menu
Retour à la cohorte
Enregistrement W2069597727 · doi:10.1115/1.4001898

Robust Impedance Control of Manipulators Carrying a Heavy Payload

2010· article· en· W2069597727 sur OpenAlexaff
Farhad Aghili

Notice bibliographique

RevueJournal of Dynamic Systems Measurement and Control · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensCanadian Space Agency
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Impedance controlPayload (computing)Controller (irrigation)InertiaElectrical impedanceAccelerationAccelerometerMoment of inertiaInertial frame of referenceEngineeringComputer sciencePhysicsControl (management)

Résumé

récupéré en direct d'OpenAlex

A heavy payload attached to the wrist force/moment (F/M) sensor of a manipulator can cause the conventional impedance controller to fail in establishing the desired impedance due to the noncontact components of the force measurement, i.e., the inertial and gravitational forces of the payload. This paper proposes an impedance control scheme for such a manipulator to accurately shape its force-response without needing any acceleration measurement. Therefore, no wrist accelerometer or a dynamic estimator for compensating the inertial load forces is required. The impedance controller is further developed using an inner/outer loop feedback approach that not only overcomes the robot dynamics uncertainty, but also allows the specification of the target impedance model in a general form, e.g., a nonlinear model. The stability and convergence of the impedance controller are analytically investigated, and the results show that the control input remains bounded provided that the desired inertia is selected to be different from the payload inertia. Experimental results demonstrate that the proposed impedance controller is able to accurately shape the impedance of a manipulator carrying a relatively heavy load according to the desired impedance model.

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)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,198
Écart entre enseignants0,180 · 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
GenreEmpirique

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

En bref

Citations23
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dynamic Systems Measurement and ControlMême sujetRobot Manipulation and LearningTravaux en français237 207