MétaCan
Menu
Retour à la cohorte
Enregistrement W3154283037

Material optimization for ladder climbing robot

2020· dissertation· en· W3154283037 sur OpenAlexfundno aff
Oğulcan Turhanlar

Notice bibliographique

RevueeArsiv - Adu (Adnan Menderes University) · 2020
Typedissertation
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institute for Theoretical Astrophysics
Mots-clésRobotClimbingComputer scienceMechanical engineeringEngineeringArtificial intelligenceStructural engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Bu tez çalışmasında, merdiven çıkma, engele tırmanabilme yeteneklerine sahip bir robotik sistem tasarlanmış, gerekli analitik hesaplamalar ve nümerik analizler uygulanmıştır. Tasarlanan robotik sistem evsel ve endüstriyel çalışma alanlarına uygundur. Bu amaçla, robotun hareket sistemi hibrit olacak şekilde planlanmıştır. Hibrit hareket sistemi üç tekerlek ve bu üç tekerleğin birleşimi ile hareket edebilen bacaklar ile oluşturulmuştur. Analitik hesaplamalar kısmında, belirlenen yapı elemanları (kaplin, şaftlar) S235, diğer yapı elemanları PLA malzeme ile modellenmiş ve hesaplamalar doğrultusunda sistemin güç, tork ve ivme değerleri bulunmuştur. Aynı malzeme konfigürasyonu nümerik analiz yazılımı ANSYS Rigid Body Dynamics modülünde modellenerek sonlu elemanlar yöntemi ile hesaplanmış ve benzer sonuçlar elde edilmiştir. Bu kıyaslama işlemi ile modellemenin doğrulanmasının ardından tork, güç ve ivme değerleri nümerik hesaplamalar ile S235, Al6061, PLA ve ABS malzemelerinden oluşan şase için uygulanmıştır. Elde edilen değerler sistemin kritik bileşenleri olarak belirlenen iç şaft, merkez şaft ve dış dişli parçalarına uygulanarak malzeme dayanımları incelenmiştir. Bu çalışmalar doğrultusunda tasarımı gerçekleştirilen merdiven tırmanan robot şasesinin, mekanik dayanımlar ve enerji verimliliği göz önünde bulundurularak PLA malzemesinden üretilmesi uygun bulunmuştur. Geliştirilen sistemin çalışmasında 67.5 Watt güç ihtiyacı olacağı hesaplanmıştır.

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 candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,608
Score d'incertitude au seuil1,000

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 Opus0,012
Tête enseignante GPT0,192
Écart entre enseignants0,180 · 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.

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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeArsiv - Adu (Adnan Menderes University)Même sujetSoft Robotics and ApplicationsTravaux en français237 207