A Comprehensive Numerical Study on the Number of Identifiable Kinematic Parameters of Parallel Mechanisms
Notice bibliographique
Résumé
Abstract Kinematic error model plays an important role in improving the positioning accuracy of robot manipulators by kinematic calibration. The identifiability of kinematic parameters in the error model directly affects the positioning accuracy of the mechanism. And the number of identifiable kinematic parameters determines how many parameters can be accurately identified by kinematic calibration, which is one of the theoretical basis of kinematic error modeling. For serial mechanisms, a consensus has been reached that the maximum number of identifiable kinematic parameters is 4R + 2P + 6, where R and P represent the numbers of revolute and prismatic joints, respectively. Due to complex topologies of parallel mechanisms, there is still no agreement on the formula of the maximum number of identifiable parameters. In this paper, a comprehensive numerical study on the number of identifiable kinematic parameters of parallel mechanisms is conducted. The number of identifiable parameters of 3802 kinds of limbs with different types or actuation arrangements are analyzed. It can be concluded that the maximum number of identifiable kinematic parameters is Σ i = 1 n 4Ri + 2Pi + 6 − Ci − 2(PP)i/3(PPP1)i/(2Ri + 2Pi)(PPP)i, where Ci represents the number of joints whose motion cannot be measured and n denotes the number of limbs in a parallel mechanism; (PP)i, (PPP1)i, and (PPP)i represent two consecutive unmeasurable P joints, three consecutive P joints in which two of them cannot be measured, and three unmeasurable P joints, respectively.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».