MétaCan
Menu
Retour à la cohorte
Enregistrement W3108169832 · doi:10.1109/tro.2020.3038697

Wrench Feasibility and Workspace Expansion of Planar Cable-Driven Parallel Robots by a Novel Passive Counterbalancing Mechanism

2020· article· en· W3108169832 sur OpenAlexaff
Hamed Jamshidifar, Amir Khajepour, Amin Habibnejad Korayem

Notice bibliographique

RevueIEEE Transactions on Robotics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWrenchWorkspaceFootprintActuatorPlanarControl theory (sociology)Mechanism (biology)RobotParallel manipulatorComputer sciencePoint (geometry)Topology (electrical circuits)MathematicsEngineeringMechanical engineeringGeometryArtificial intelligencePhysicsGeology

Résumé

récupéré en direct d'OpenAlex

This article focuses on the essential limitations of planar point-mass cable-driven parallel robots (CDPRs) in covering all poses of their footprint, which results in concave-shape static workspaces (SW) and also providing a zero force level on the borders of such a SW. Accordingly, a novel passive counterbalancing mechanism is proposed which not only expands SW to fully cover the footprint but also enables CDPR's platform to balance a desired minimum force magnitude in any arbitrary direction all over the SW. Maximizing such force magnitude is defined as an optimization problem which is used to find the optimal values of the proposed mechanism's design parameters. By comparing the SW of different CDPRs with and without the proposed mechanism, effectiveness of the proposed approach is demonstrated. In some examples, it is shown that the effects of the proposed method on the SW size increment is more than doubling the size and number of actuators. Finally, two experimental setups are presented and tested, where effectiveness of the proposed approach in covering the CDPRs’ footprint and also providing the desired minimum force level over the SW are demonstrated.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,020
Tête enseignante GPT0,213
Écart entre enseignants0,192 · 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

Citations25
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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