MétaCan
Menu
Retour à la cohorte
Enregistrement W3158618579 · doi:10.1109/tmech.2021.3077448

Static Model-Based Grasping Force Control of Parallel Grasping Robots With Partial Cartesian Force Measurement

2021· article· en· W3158618579 sur OpenAlexafffund
Kefei Wen, Clément Gosselin

Notice bibliographique

RevueIEEE/ASME Transactions on Mechatronics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésRedundancy (engineering)Cartesian coordinate systemRobotControl theory (sociology)KinematicsParallel manipulatorTorqueSerial manipulatorComputer scienceInertiaContact forceMoment of inertiaMoment (physics)PlanarControl engineeringSimulationEngineeringArtificial intelligenceControl (management)MathematicsPhysicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

This article presents a static model-based approach for grasping force control of a class of low-inertia kinematically redundant parallel and hybrid parallel robots with remotely operated gripper. Although these robots are originally studied with kinematic redundancy, they can also be considered to be redundantly actuated or nonredundant depending on the interactions with the environment. Three different static models are then developed according to the types of redundancy and velocity Jacobians, which are demonstrated through a planar and a spatial parallel robots. The possibility of implementing these models for grasping force control is analyzed. Moreover, we show that the Cartesian force and moment included in the closed force control loop do not need to be measured directly by multidegree-of-freedom force/torque sensors, but can be calculated based on the grasping force that is acting on each jaw of the gripper, which is easily measured using a load cell. A combined position and grasping force control scheme is proposed and experiments are conducted to verify the effectiveness of the nonredundant static model. The proposed approach is readily applied to other kinematically redundant parallel grasping robots.

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 enseignants0,862
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)0,0010,000
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 Opus0,015
Tête enseignante GPT0,203
Écart entre enseignants0,188 · 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

Citations17
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE/ASME Transactions on MechatronicsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207