MétaCan
Menu
Retour à la cohorte
Enregistrement W4247918617 · doi:10.32920/ryerson.14651667.v1

Power efficiency estimation based health monitoring and fault detection of modular and reconfigurable robot

2021· preprint· en· W4247918617 sur OpenAlexaffabout
Jing Yaun

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésModular designRobotFault detection and isolationModularity (biology)BrakeFault (geology)TorquePower (physics)Computer scienceFault toleranceEngineeringControl engineeringJoint (building)Embedded systemAutomotive engineeringActuatorArtificial intelligenceReliability engineering

Résumé

récupéré en direct d'OpenAlex

Power efficiency degradation of machines often provides intrinsic indication of problems associated with their operation conditions. Inspired by this observation, in this thesis work, a simple yet effective power efficiency estimation base health monitoring and fault detection technique is proposed for modular and reconfigurable robot with joint torque sensor. The design of the Ryerson modular and reconfigurable robot system is first introduced, which aims to achieve modularity and compactness of the robot modules. Critical components, such as the joint motor, motor driver, harmonic drive, sensors, and joint brake, have been selected according to the requirement. Power efficiency coefficients of each joint module are obtained using sensor measurements and used directly for health monitoring and fault detection. The proposed method has been experimentally tested on the developed modular and reconfigurable robot with joint torque sensing and a distributed control system. Experimental results have demonstrated the effectiveness of the proposed method.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,682
Score d'incertitude au seuil0,796

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 Opus0,017
Tête enseignante GPT0,249
Écart entre enseignants0,232 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetModular Robots and Swarm IntelligenceTravaux en français237 207