Interactions and Optimizations Analysis between Stiffness and Workspace of 3-UPU Robotic Mechanism
Notice bibliographique
Résumé
Abstract The interactions between stiffness and workspace performances are studied. The stiffness in x, y and z directions as well as the workspace of a 3-UPU mechanism are studied and optimized. The stiffness of the robotic system in every single moveable direction is measured and analyzed, and it is observed that in the case where one tries to make the x and y translational stiffness larger, the z directional stiffness will be reduced, i.e. the x and y translational stiffness contradicts with the one in z direction. Subsequently, the objective functions for the summation of the x and y translational stiffness and z directional stiffness are established and they are being optimized simultaneously. However, we later found that these two objectives are not in the same scale; a normalization of the objectives is thus taken into consideration. Meanwhile, the robotic system’s workspace is studied and optimized. Through comparing the stiffness landscape and the workspace volume landscape, it is also observed that the z translational stiffness shows the same changing tendency with the workspace volume’s changing tendency while the x and y translational stiffness shows the opposite changing tendency compared to the workspace volume’s. Via employing the Pareto front theory and differential evolution, the summation of the x and y translational stiffness and the volume of the workspace are being simultaneously optimized. Finally, the mechanism is employed to synthesize an exercise-walking machine for stroke patients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».