MétaCan
Menu
Retour à la cohorte
Enregistrement W2474765308 · doi:10.1115/1.4033658

A Continuous Velocity-Based Friction Model for Dynamics and Control With Physically Meaningful Parameters

2016· article· en· W2474765308 sur OpenAlexafffund
Peter A. Brown, John McPhee

Notice bibliographique

RevueJournal of Computational and Nonlinear Dynamics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueDynamics and Control of Mechanical Systems
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésControl theory (sociology)SlippingDynamical frictionClassification of discontinuitiesSensitivity (control systems)Differentiable functionSystem dynamicsComputer scienceMechanicsEngineeringMathematicsControl (management)PhysicsMechanical engineeringMathematical analysisArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Friction is an important part of many dynamic systems, and, as a result, a good model of friction is necessary for simulating and controlling these systems. A new friction model, designed primarily for optimal control and real-time dynamic applications, is presented in this paper. This new model defines friction as a continuous function of velocity and captures the main velocity-dependent characteristics of friction: the Stribeck effect and viscous friction. Additional phenomena of friction such as microdisplacement and the time dependence of friction were not modeled due to the increased complexity of the model, leading to reduced performance of real-time simulations or optimizations. Unlike several current friction models, this model is C1 continuous and differentiable, which is desirable for optimal control applications, sensitivity analysis, and multibody dynamic analysis and simulation. To simplify parameter identification, the proposed model was designed to use a minimum number of parameters, all with physical meaning and readily visible on a force–velocity curve, rather than generic shape parameters. A simulation using the proposed model demonstrates that the model avoids any discontinuities in force at initial impact and the transition from slipping to sticking.

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 enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,005
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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

Citations85
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Computational and Nonlinear DynamicsMême sujetDynamics and Control of Mechanical SystemsTravaux en français237 207