MétaCan
Menu
Retour à la cohorte
Enregistrement W2799404639 · doi:10.1109/tro.2018.2819668

Periodic Trajectory Planning Beyond the Static Workspace for 6-DOF Cable-Suspended Parallel Robots

2018· article· en· W2799404639 sur OpenAlexafffund
Xiaoling Jiang, Eric Barnett, Clément Gosselin

Notice bibliographique

RevueIEEE Transactions on Robotics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship Council
Mots-clésWorkspaceTrajectoryControl theory (sociology)RobotParallel manipulatorComputer scienceComponent (thermodynamics)StiffnessTranslation (biology)Motion planningControl engineeringEngineeringArtificial intelligencePhysicsStructural engineering

Résumé

récupéré en direct d'OpenAlex

This paper proposes a dynamic trajectory planning technique for six-degree-of-freedom (6-DOF) cable-suspended parallel robots (CSPRs). First, a passive mechanical system that is equivalent to the CSPR is introduced to provide insight and facilitate the design of trajectories that can extend beyond the robot's static workspace. The tilt-and-torsion angle convention is used to develop the mathematical model and impose restrictions for the rotational component of the trajectories. The dynamic differential equations that govern the translational component of the trajectories are shown to become linear under some conditions. Natural frequencies of an equivalent passive linear system of constant-stiffness springs are, thus, obtained and the set of linear differential equations associated with this system is integrated to produce a general solution for natural, periodic trajectories. This approach is used to produce pure translation trajectories and more complex motion that includes changes in position and orientation. An experimental implementation is also presented using a 6-DOF prototype and a supplementary video file is included to demonstrate the results.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0020,000

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 Opus0,022
Tête enseignante GPT0,247
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 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

Citations41
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on RoboticsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207