Dynamics and control of tethered underwater-manipulator systems
Notice bibliographique
Résumé
In this work, the dynamics modelling strategy of a tethered underwater remotely operated vehicle (ROV) coupled with a and spatial manipulator have been studied. With regards to the cable dynamic modelling, it is considered to be a series of lumped point masses connected by linear, massless, visco-elastic springs. In addition, the model accounts for the tether bending and twisting effects. Regarding the manipulator dynamics, the Articulated-Body Algorithm is employed due to its computational efficiency. In order to control the ROV motion under disturbance forces and moments caused by the tether and the manipulator motion, a series of Model-based SISO sliding-mode controllers are implemented and the ABA is used to predict the dynamic coupling force expressions based on the feedback of ROV and the manipulator states. The control gains of the sliding-mode controllers are defined as a closed function of the articulated inertias of the ABA algorithm; leading to time varying gains as opposed to constant as in conventional methods. As a case study, a Saab-Seaeye FALCON™ ROV with a modified Hydrolek™ HLK 43000 manipulator is presented. Numerical simulations are performed to reveal the extent to which the tether dominates the Falcon-manipulator dynamics. It is shown that disturbance forces and moments created by tether motion must be actively compensated using while the ROV is held stationary during manipulator operation. It is also shown that the use of force sensors at the FALCON™'s tether termination can dramatically improve the performance of the series of SISO sliding mode controllers.
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 | 0,000 |
| 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 ».