Multiple Working Mode Based Door Opening Control and Fault Detection of Mobile Modular and Reconfigurable Robot
Notice bibliographique
Résumé
The study in this thesis addresses the problem of opening a door with a modular and reconfigurable robot (MRR) mounted on a wheeled mobile robot platform. The foremost issue with door opening problems is the prevention of occurrence of large internal forces that arise due to position errors or imprecise modeling of the robot or its environment, i.e. the door parameters, specifically. Unlike previous methods that relied on compliance control, making the control design rather complicated, this thesis presents a new concept that utilizes the multiple working modes of the MRR modules. The control design is significantly simplified by switching selected joints of the MRR to work in passive mode during door opening operation. As a result, the occurrence of large internal forces is prevented. Different control schemes are used for control of the joint modules in different working modes. For passive joint modules, a feedforward torque control approach is used to compensate the joint friction to ensure passive motion. For the active joint modules, a distributed control method, based on torque sensing, is used to facilitate the control of joint modules working under this mode. To enable autonomous door opening, an online door parameter estimation algorithm is proposed on the basis of the least squares method; and a path planning algorithm is developed on the basis of Hermite cubic spline functions, with consideration of motion constraints of the mobile MRR. The theory is validated using simulations and experimental results, as presented herein. A distributed fault detection scheme for MRR robots with joint torque sensing is also proposed in this thesis. The proposed scheme relies on filtering the joint torque command and comparing it with a filtered torque estimate that is derived from the nonlinear dynamic model of MRR with joint torque sensing. Common joint actuator faults are considered with fault detection being performed independently for each joint module. The proposed fault detection scheme for each module does not require motion states of any other module, making it an ideal modular approach for fault detection of modular robots. Experimental results have attested the effectiveness of the proposed fault detection scheme.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».