MétaCan
Menu
Retour à la cohorte
Enregistrement W4395955559 · doi:10.18280/jesa.570227

Kinematic Analysis and Performance Optimization of a 2UPU-2SPU Parallel Mechanism with 2R2T Motion Capabilities

2024· article· fr· W4395955559 sur OpenAlexvenueno aff
J. Zhang

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2024
Typearticle
Languefr
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKinematicsMechanism (biology)Motion analysisComputer scienceMotion (physics)PhysicsArtificial intelligenceClassical mechanics

Résumé

récupéré en direct d'OpenAlex

As research on parallel mechanisms with limited degrees of freedom (DOF) continues to grow, this paper introduces a novel 2UPU-2SPU parallel mechanism that features 2 Rotational and 2 Translational (2R2T) motion capabilities.The SPU branches are symmetrically positioned relative to the plane of the 2UPU branches, endowing the mechanism with a full-circle DOF that encompasses two rotations and two translations.One of the rotational DOF influences the characteristics of a constrained rotational freedom.This study conducts a kinematic analysis using screw theory to elucidate the DOF and derives the inverse kinematics of the mechanism.Furthermore, by employing motion/force transmission performance indicators and performance maps, the mechanical performance characteristics are analyzed.A mathematical model for optimizing mechanical performance using the Particle Swarm Optimization (PSO) algorithm is established, facilitating the design of specific mechanical devices.The mechanism boasts a large workspace, with the operational space varying as the moving platform rotates, making it suitable for applications requiring minimal rotational and lateral movements but significant longitudinal displacement.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207