MétaCan
Menu
Retour à la cohorte
Enregistrement W2800191144 · doi:10.1139/tcsme-2016-0012

AN INTERVAL ANALYSIS METHOD FOR WRENCH WORKSPACE DETERMINATION OF PARALLEL MANIPULATOR ARCHITECTURES

2016· article· en· W2800191144 sur OpenAlexaffvenue
Joshua Pickard, Juan A. Carretero

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésWrenchWorkspaceParallel manipulatorActuatorControl theory (sociology)TorqueComputer scienceSet (abstract data type)Interval (graph theory)Robot end effectorSerial manipulatorControl engineeringManipulator (device)RobotEngineeringMechanical engineeringControl (management)MathematicsArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

This paper deals with the wrench workspace (WW) determination of parallel manipulators. The WW is the set of end-effector poses (positions and orientations) for which the active joints are able to balance a set of external wrenches acting at the end-effector. The determination of the WW is important when selecting an appropriate manipulator design since the size and shape of the WW are dependent on the manipulator’s geometry (design) and selected actuators. Algorithms for the determination of the reachable workspace and the WW are presented. The algorithms are applicable to manipulator architectures utilizing actuators with positive and negative limits on the force/torque they can generate, as well as cable-driven parallel manipulator architectures which require nonnegative actuator limits to maintain positive cable tensions. The developed algorithms are demonstrated in case studies applied to a cable-driven parallel manipulator with 2-degrees-of-freedom and three cables and to a 3-RRR parallel manipulator. The approaches used in this paper provide guaranteed results and are based on methods utilizing interval analysis techniques for the representation of end-effector poses and design parameters.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,400
Score d'incertitude au seuil0,856

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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 Opus0,011
Tête enseignante GPT0,239
Écart entre enseignants0,228 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207