MétaCan
Menu
Retour à la cohorte
Enregistrement W2157065635 · doi:10.1049/ip-cta:20000757

Control strategies for hardware-in-the-loop simulation of flexible space robots

2000· article· en· W2157065635 sur OpenAlexaffabout
J. de Carufel, Éric Martin, J.-C. Piedbœuf

Notice bibliographique

RevueIEE Proceedings - Control Theory and Applications · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensCanadian Space Agency
Organismes subventionnairesnon disponible
Mots-clésRobotAccelerationHardware-in-the-loop simulationControl engineeringComputer scienceSimulationSoftwareStability (learning theory)Control (management)Scheme (mathematics)Control theory (sociology)Loop (graph theory)EngineeringArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

As a partner in the International Space Station (ISS), Canada is responsible for the verification of all tasks involving the special purpose dextrous manipulator (SPDM). Those verifications cannot be performed using software simulators only since the accuracy of existing contact dynamic models are yet to be confirmed, especially in the real-time mode required for verifying human operated processes. One option is to use a hardware-in-the-loop simulation (HLS), where the space hardware is simulated and the contact dynamics is emulated using a rigid robot performing the tasks. The main difficulty in this approach is the trade-off between the stability of the control loop and good performance. The control of the rigid robot in the HLS is investigated. Simplified linear systems are used to determine the limitations of the classical position-based control when contact occurs. A new control scheme in which the slave robot is driven in acceleration is proposed. Both methods were tested experimentally and the results show the benefit of using this new acceleration control approach.

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)0,000
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,247
Écart entre enseignants0,237 · 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

Citations37
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEE Proceedings - Control Theory and ApplicationsMême sujetTeleoperation and Haptic SystemsTravaux en français237 207