MétaCan
Menu
Retour à la cohorte
Enregistrement W2161971174 · doi:10.1109/robot.2007.363196

Minimum-norm Solution for the Actuator Forces in Cable-based Parallel Manipulators based on Convex Optimization

2007· article· en· W2161971174 sur OpenAlexaff
Mahir Hassan, Amir Khajepour

Notice bibliographique

RevueProceedings - IEEE International Conference on Robotics and Automation/Proceedings · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésActuatorControl theory (sociology)Regular polygonNorm (philosophy)Parallel manipulatorConvex optimizationComputer scienceOptimization problemMathematicsRobotAlgorithmGeometryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Cable-based parallel manipulators (CPM) are light-weight manipulators that can reach high accelerations. The difference between the design of CPM and that of rigid-link parallel manipulators is that cables can only perform while under tension. Redundant limbs, such as extra cables, springs, or cylinders, can be used for applying forces on the mobile platform to generate cable tensions resulting in a redundantly actuated manipulator. To operate this manipulator, the actuator-force distribution amongst the cables and the redundant limbs needs to be determined. Actuator-force optimization techniques developed for rigid-link manipulators are unsuitable for CPM. In this study, a numerical procedure based on convex analysis and optimization is presented to calculate the minimum-norm solution that minimizes the 2-norm of actuator forces. The procedure is based on convex optimization that utilizes the Dykstra's alternating projection algorithm to reach to the optimum solution. This numerical method is successfully applied to 3- and 6-degree-of-freedom (DOF) spatial CPMs to determine the optimum actuator forces for a given external load. This study addresses the static analysis in cable-based parallel manipulators in the language of convex analysis

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
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 Opus0,032
Tête enseignante GPT0,261
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

Citations20
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings - IEEE International Conference on Robotics and Automation/ProceedingsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207