MétaCan
Menu
Retour à la cohorte
Enregistrement W2559755944 · doi:10.1115/detc2016-59425

Investigation of Wrench Accuracy for Parallel Manipulators

2016· article· en· W2559755944 sur OpenAlexaff
Leila Notash

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésWrenchIntersection (aeronautics)Interval (graph theory)ActuatorDiscretizationControl theory (sociology)TorqueSet (abstract data type)Solution setCoefficient matrixLinear systemMathematicsComputer scienceEngineeringMathematical analysisArtificial intelligenceControl (management)Mechanical engineering

Résumé

récupéré en direct d'OpenAlex

In this paper, the wrench accuracy for parallel manipulators is examined and the solution sets of actuator forces/torques are investigated under variations in parameters and data. The subset of solution set that produces platform wrenches within the required lower and upper bounds are modeled using discrete and analytical methods. In addition, the formulation of the solutions that provide any platform wrench within the defined interval is examined. Intersection of these two sets, if any, results in the given interval platform wrench. Moreover, the dependency among the entries of the interval linear systems and its effect on the solution set is considered. The discrete method is based on the discretization of solution set enclosure and validation at each increment, or the collection of the solutions of real linear relations for the discretized interval coefficient matrix and output vector. The analytical method for each solution set is based on the intersection of the pertinent closed half-spaces or the assembly of closed line segments that encompass the solution. Implementation of the methods to identify the solution for actuator forces/torques is presented on example parallel manipulators.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
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 Opus0,028
Tête enseignante GPT0,220
Écart entre enseignants0,192 · 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'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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRobotic Mechanisms and DynamicsTravaux en français237 207