MétaCan
Menu
Retour à la cohorte
Enregistrement W4283590942 · doi:10.3390/coatings12070904

Design and Analysis of a Robotic End-Effector for Automated Hi-Lok Nut Installation

2022· article· en· W4283590942 sur OpenAlexaff
Jiefeng Jiang, Fengfeng Xi, Yunbo Bi

Notice bibliographique

RevueCoatings · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Science Foundation of Zhejiang Province
Mots-clésNutRobot end effectorTask (project management)RobotEngineeringNuts and boltsEngineering drawingSet (abstract data type)Process (computing)Mechanical engineeringComputer scienceSimulationArtificial intelligenceStructural engineeringSystems engineering

Résumé

récupéré en direct d'OpenAlex

The automated installation of hi-lok nuts by the robot is an effective way to replace tedious manual labor. For this purpose, an appropriate end-effector needs to be designed to carry out the feeding, alignment and fastening tasks. According to the installation process of hi-lok nuts, a motor driven fastening tool is designed with two parts: the front nut runner and rear driving shaft. The fastening task is modeled based on the force balances in the nut screwing action, which present the nut runner can rotate the nut as well as feed it axially. Then, a feeding-alignment (FA) device is designed to engage the nut feeding for fastening tool. The alignment action is modeled through the force balance about hi-lok nut involved with the nut gripper and nut runner. Finally, a tool end-effector has been built and integrated with an industrial robot. The successful implementation of automated installation of hi-lok nut demonstrates the effectiveness of the proposed installation method and the validation of the designed robotic end-effector.

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 enseignants0,727
Score d'incertitude au seuil0,293

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 Opus0,026
Tête enseignante GPT0,249
Écart entre enseignants0,223 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetRobot Manipulation and LearningTravaux en français237 207