MétaCan
Menu
Retour à la cohorte
Enregistrement W2096782936 · doi:10.1115/1.4030273

Optimal Design of Safe Planar Manipulators Using Passive Torque Limiters

2015· article· en· W2096782936 sur OpenAlexafffund
Meiying Zhang, Clément Gosselin

Notice bibliographique

RevueJournal of Mechanisms and Robotics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésTorqueRobotLimiterIsotropySerial manipulatorPlanarContact forceControl theory (sociology)Slip (aerodynamics)Robot end effectorEngineeringComputer scienceTorque limiterControl engineeringMechanical engineeringParallel manipulatorArtificial intelligencePhysicsElectrical engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

This paper presents a synthesis approach to build safe planar serial robotic mechanisms for applications in human–robot cooperation. The basic concept consists in using torque limiting devices that slip when a prescribed torque is exceeded so that the maximum force and the maximum power that the robot can apply to its environment are limited. In order to alleviate the effect of the change of pose of the robot on the joint to Cartesian force mapping, it is proposed to include more torque limiters than actuated joints. The design of isotropic force modules is addressed in order to produce proper force capabilities while ensuring safety. The proposed isotropic module of torque limiting devices leads to such characteristics. In addition to modeling the contact forces at the end-effector, the forces that can be applied by the robot to its environment when contact is taking place elsewhere along its links are also analyzed as well as the power of potential collisions. Examples of manipulator architectures and their static analysis are given. Finally, the design of a spatial serial manipulator using the isotropic planar force modules developed in the paper is illustrated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,308
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

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

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 Opus0,036
Tête enseignante GPT0,232
Écart entre enseignants0,196 · 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 tête enseignante, 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

Citations8
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanisms and RoboticsMême sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207