MétaCan
Menu
Retour à la cohorte
Enregistrement W2118699274 · doi:10.1109/tro.2008.919289

Optimization of Actuator Forces in Cable-Based Parallel Manipulators Using Convex Analysis

2008· article· en· W2118699274 sur OpenAlexaff
Mahir Hassan, Amir Khajepour

Notice bibliographique

RevueIEEE Transactions on Robotics · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésActuatorNorm (philosophy)Regular polygonControl theory (sociology)Intersection (aeronautics)Convex optimizationPulleyProjection (relational algebra)Contact forceOptimization problemComputer scienceMathematicsMathematical optimizationEngineeringStructural engineeringAlgorithmGeometryPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In cable-driven parallel manipulators (CPMs), cables can perform only under tension, and therefore, redundant actuation, which can be provided by redundant limbs, is needed to maintain the cable tensions. By optimizing the distribution of the forces in the cables and the redundant limbs, the average size of actuators can be reduced resulting in lower cost. Optimizing the force distribution in CPMs requires consideration for the inequality constraints imposed on the cable forces as a result of the unilateral driving property of the cables. In this study, a projection method is presented to calculate optimum solutions for the actuators force distribution in CPMs. Two solutions are presented: 1) a minimum-norm solution that minimizes the 2-norm of all forces in the cables and redundant limbs and 2) a solution that minimizes the 2-norm of the forces in the cables only. The optimization problem is formulated as a projection on an intersection of convex sets and the Dykstra's projection method is used to obtain the solutions. This method is successfully applied to a 3-DOF CPM.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,027
Tête enseignante GPT0,225
Écart entre enseignants0,198 · 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

Citations95
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on RoboticsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207