MétaCan
Menu
Retour à la cohorte
Enregistrement W3211555883 · doi:10.1109/tie.2021.3125657

Control-Based Tension Distribution Scheme for Fully Constrained Cable-Driven Robots

2021· article· en· W3211555883 sur OpenAlexaff
Adel Ameri, Amir Molaei, Mohammad A. Khosravi, Masoud Hassani

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensUniversité de MontréalConcordia University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Controller (irrigation)Nonlinear systemIterative methodComputer scienceLyapunov functionEngineeringControl (management)Algorithm

Résumé

récupéré en direct d'OpenAlex

Control inputs of fully constrained cable-driven parallel robots (CDPRs) are constrained by the positiveness of the cables tension, as cables merely apply tensile forces. The positive tension distribution (PTD) in CDPRs is usually guaranteed with iterative optimization techniques, utilizing the redundant actuation of the CDPR. The iterative nature of the conventional PTD limits their real-time application since the worst-case computation time of the iterative methods is not predictable. In addition, optimization methods are prone to model uncertainties. This article addresses the PTD problem in the fully constrained CDPRs with a control viewpoint. In the proposed approach, the PTD algorithm is an integral part of the controller, which explicitly generates positive values for the cables tension. To this aim, a saturation-type function is coupled with the controller, and its effect is compensated using a nonlinear disturbance observer. The stability of the proposed control scheme is also investigated in detail through Lyapunov’s second method, considering a nonsingular terminal sliding mode controller. Furthermore, the performance of the proposed methodology is compared with the conventional method for a six-degrees-of-freedom CDPR, in the presence of uncertainties. Finally, the effectiveness of the proposed control scheme is investigated through experiments.

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 enseignants0,973
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 recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,217
Écart entre enseignants0,198 · 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

Citations27
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207