MétaCan
Menu
Retour à la cohorte
Enregistrement W2343969241 · doi:10.1371/journal.pone.0153604

Coordinated Parameter Identification Technique for the Inertial Parameters of Non-Cooperative Target

2016· article· en· W2343969241 sur OpenAlexaff
Xin Ning, Teng Zhang, Yaofa Wu, Pihui Zhang, Jiawei Zhang, Shuai Li, Xiaokui Yue, Jianping Yuan

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePlanetary Science and Exploration
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Natural Science Foundation of ChinaFundamental Research Funds for the Central UniversitiesChina Aerospace Science and Technology CorporationNational Science Foundation
Mots-clésIdentification (biology)Inertial frame of referenceSpacecraftComputer scienceParameter spaceRealizabilityControl theory (sociology)Reliability (semiconductor)Control engineeringAerospace engineeringAlgorithmEngineeringArtificial intelligenceMathematicsPhysicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Space operations will be the main space missions in the future. This paper focuses on the precise operations for non-cooperative target, and researches of coordinated parameter identification (CPI) which allows the motion of multi-joints. The contents of this paper are organized: (1) Summarize the inertial parameters identification techniques which have been conducted now, and the technique based on momentum conservation is selected for reliability and realizability; (2) Elaborate the basic principles and primary algorithm of coordinated parameter identification, and analyze some special problems in calculation (3) Numerical simulation of coordinated identification technique by an case study on non-cooperative target of spacecraft mounting dual-arm with six joints is done. The results show that the coordinated parameter identification technique could get all the inertial parameters of the target in 3D by one-time identification, and does not need special configuration or driven joints, moreover the results are highly precise and save much more time than traditional ones.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,440
Score d'incertitude au seuil0,138

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 Opus0,034
Tête enseignante GPT0,236
Écart entre enseignants0,202 · 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'étudeExpérimental (laboratoire)
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

Citations18
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetPlanetary Science and ExplorationTravaux en français237 207