MétaCan
Menu
Retour à la cohorte
Enregistrement W4366503958 · doi:10.1109/tmrb.2023.3268755

Development and Evaluation of a Friction Model for Tendon-Driven Soft Robotic Devices

2023· article· en· W4366503958 sur OpenAlexafffund
Parisa Daemi, Yue Zhou, Michael D. Naish, Aaron D. Price, Ana Luisa Trejos

Notice bibliographique

RevueIEEE Transactions on Medical Robotics and Bionics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Research Foundation
Mots-clésTendonCurvatureFriction coefficientTransmission (telecommunications)AdhesionMaterials scienceCoefficient of frictionMechanical engineeringMechanicsBiomedical engineeringSimulationControl theory (sociology)EngineeringComputer sciencePhysicsControl (management)Composite materialAnatomyMathematicsArtificial intelligenceGeometry

Résumé

récupéré en direct d'OpenAlex

The Capstan formula is a common theoretical model that has been widely used to characterize friction between tendons and sheaths in tendon-driven transmission systems. Although several factors affect the friction in these systems, only two factors, the friction coefficient and the curvature angle of the sheaths, are taken into account in this theoretical model. Thus, understanding friction behavior still remains a significant limitation of control system performance for robotic systems that use tendon-driven mechanisms. This study aims to develop an improved friction model to more accurately determine the friction in tendon-driven systems. It considers the physical properties of the tendons and the sheaths by calculating the contact area and the adhesion force between them. The proposed friction model was verified by simulation and benchtop experiments, and compared with the Capstan formula. The results demonstrate that the error is reduced between 45% and 95% depending on the tendon angle and the sheath curvature. Thus, the proposed friction model can be used to characterize the friction between the tendons and sheaths in tendon-driven wearable devices, which could result in improved accuracy and better control of these devices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,049
Tête enseignante GPT0,291
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), 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

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Medical Robotics and BionicsMême sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207