MétaCan
Menu
Retour à la cohorte
Enregistrement W2789888630 · doi:10.1109/lra.2018.2803815

The Programmable Permanent Magnet Actuator: A Paradigm Shift in Efficiency for Low-Speed Torque-Holding Robotic Applications

2018· article· en· W2789888630 sur OpenAlexafffund
Jean-Baptiste Chossat, Alexis Maslyczyk, Jean-Simon Lavertu, Vincent Duchaine

Notice bibliographique

RevueIEEE Robotics and Automation Letters · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésActuatorTorqueMagnetStatorRotary actuatorPower (physics)Electrical engineeringMechanical engineeringComputer scienceControl theory (sociology)Automotive engineeringEngineeringPhysicsControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this letter, we propose a new type of electromagnetic actuator called the “programmable permanent magnet” (PPM) actuator. The PPM actuator is designed to tackle low-speed high-torque applications where classic electromagnetic actuators are highly inefficient. The PPM actuator is based on the application of pulsed current to magnetize a hard ferromagnetic stator that is made of individual SmCo (custom grade) magnets placed in a Halbach array configuration. The motor creates a springlike torque function that generates up to 0.2 N·m. Unlike electromagnetic actuators, by design, the PPM actuator does not draw current while exerting torque. Instead, the motor's power consumption depends on its rotational speed or torque variations. The PPM actuator is, by consequence, most efficient, whereas classical electromagnetic motors are most inefficient, and is a new alternative to actuators for robotic applications, which tend to operate in low-speed, high-torque conditions. The prototyped PPM actuator measures 47 mm in diameter, with a height of 35 mm and weight of 200 g, and has been successfully integrated in a commercially available 2-finger gripper from Robotiq, Inc.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,584

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 Opus0,010
Tête enseignante GPT0,235
Écart entre enseignants0,225 · 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'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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Robotics and Automation LettersMême sujetSoft Robotics and ApplicationsTravaux en français237 207