MétaCan
Menu
Retour à la cohorte
Enregistrement W2972703643 · doi:10.1109/cjece.2019.2904983

Optimal Traction Forces for Four-Wheel Rovers on Rough Terrain

2019· article· en· W2972703643 sur OpenAlexaffvenue
Krzysztof Skonieczny

Notice bibliographique

RevueCanadian Journal of Electrical and Computer Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil Mechanics and Vehicle Dynamics
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSlippageTraction (geology)Tractive forceTerrainTorqueControl theory (sociology)Computer scienceTraction control systemMinificationContact patchConstraint (computer-aided design)Mathematical optimizationAutomotive engineeringMathematicsEngineeringMechanical engineeringArtificial intelligenceStructural engineeringControl (management)Physics

Résumé

récupéré en direct d'OpenAlex

This paper addresses the minimization of the risk of wheel slippage for a popular class of rovers. In the absence of any constraints on the system (e.g., force/torque balance and maximum motor torques), the optimal traction solution is known to be that with equal “friction requirements” (ratios of tractive to normal force) for all wheels. Nevertheless, the current state of the art is to routinely perform computationally expensive constrained optimization because of the presumed importance of the constraints in a real system. The contribution of this paper is a thorough investigation of the configuration space for four-wheel rovers, driving straight over rough terrain, in search of configurations where the unconstrained optimal answer does or does not satisfy the constraints, and, thus, is or is not valid. Equal “friction requirements” are added to the four-wheel rover's system of quasi-static equations and a valid solution is sought to this augmented system of equations. It is found that the equal “friction requirements” solution is almost always valid, except for the case where two of the wheels are wedged against opposing vertical faces, a highly unusual and unlikely scenario. Therefore, we can conclude that computationally expensive constrained optimization is not required to achieve traction control for four-wheel rovers.

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: Empirique
Score de désaccord entre enseignants0,165
Score d'incertitude au seuil0,438

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 Opus0,005
Tête enseignante GPT0,165
Écart entre enseignants0,160 · 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

Citations10
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Electrical and Computer EngineeringMême sujetSoil Mechanics and Vehicle DynamicsTravaux en français237 207