MétaCan
Menu
Retour à la cohorte
Enregistrement W2093039233 · doi:10.1115/detc2009-86551

Testbed of a Novel Robotic Pitch-Roll Wrist for Parameter Identification: Modeling and Analysis

2009· article· en· W2093039233 sur OpenAlexafffund
Xiao Qing, Vikram Chopra, Jorge Angeles, Martin Asger Haugaard

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTestbedStiffnessInertiaBevel gearComputer scienceSystem identificationWork (physics)BevelIdentification (biology)EngineeringControl theory (sociology)Mechanical engineeringControl engineeringStructural engineeringArtificial intelligencePhysicsAerospace engineeringData modeling

Résumé

récupéré en direct d'OpenAlex

The paper reports work in progress on the development of an innovative gearless pitch-roll wrist (PRW) for robotic applications. The PRW bears the morphology of a bevel-gear differential, its novelty lying in the absence of gears. Indeed, the PRW motivating this study is based on cams and rollers, intended to overcome the drawbacks of their bevel-gear counterparts—backlash, Coulomb friction and low stiffness. A testbed designed for parameter identification is introduced here. The paper discusses the mathematical modeling of the testbed, starting from its iconic model. The mathematical model is used to obtain the frequency response of the whole testbed, regarded as a multiple-input-multiple-output system, under the assumption that the parts of the spherical epicyclic train are rigid. The numerical values for the inertia parameters used in the model were taken from CAD models, those for stiffness and damping, as yet unknown, were estimated from a similar testbed reported elsewhere. The work ahead targets the experimental derivation of the Bode plots of the testbed, from which the numerical values of its inertia, stiffness and damping parameters are to be estimated. Moreover, having computed the stiffness and damping parameters of the testbed, the next step will be to drive the PRW at high frequencies, of the order of 1 kHz, to enable the identification of the stiffness and damping parameters of the PRW proper.

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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,249
Écart entre enseignants0,229 · 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

Citations1
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetIterative Learning Control SystemsTravaux en français237 207