MétaCan
Menu
Retour à la cohorte
Enregistrement W2898647080 · doi:10.1115/detc2018-85905

Optimizing Cable Arrangement in Cable-Driven Parallel Robots to Improve the Range of Available Wrenches

2018· article· en· W2898647080 sur OpenAlexaff
Kaveh Kamali, Ahmed Joubair, Ilian A. Bonev

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Surface Polishing Techniques
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésWrenchKnapsack problemWorkspaceRange (aeronautics)Parallel manipulatorMathematical optimizationComputer scienceRobotPoint (geometry)Set (abstract data type)Optimization problemControl theory (sociology)Topology (electrical circuits)MathematicsEngineeringArtificial intelligenceMechanical engineeringControl (management)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a new method for maximizing the range of wrenches that a cable-driven parallel robot (CDPR) can apply on its moving-platform. In this problem, the optimization parameters are the attachment positions of the cables to the moving platform. It is supposed that the attachment points are selected from a set of candidate points. The combinatorial nature of this problem makes it non-trivial and complicated, especially when the whole workspace of the robot is considered in the optimization problem. In this paper, it is shown that this cable arrangement problem can be represented mathematically by a zero-one multi-dimensional knapsack problem. Then, a core concept method is used to find the optimal solution. As an example, the proposed method is applied to a 6-DOF CDPR with eight cables. Experimental results show that the proposed approach can efficiently solves the cable arrangement problem in polynomial time.

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 enseignants0,323
Score d'incertitude au seuil0,549

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 Opus0,026
Tête enseignante GPT0,247
Écart entre enseignants0,221 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Surface Polishing TechniquesTravaux en français237 207