MétaCan
Menu
Retour à la cohorte
Enregistrement W4400656926 · doi:10.1139/tcsme-2024-0023

Novel design and motion analysis of an omni-tread snake-like robot for narrow space inspection

2024· article· en· W4400656926 sur OpenAlexvenueno aff
Suyang Yu, Haifeng Tian, Changlong Ye, Jingxin Peng

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRobotTreadTorqueSimulationArticulated robotAdaptabilityEngineeringComputer scienceSnake-arm robotRobot controlControl engineeringMobile robotArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Snake-like robots have a slender body and strong environmental adaptability. This paper aims to propose an omni-tread snake-like robot that can adapt to the needs of specific narrow space exploration missions and provide a basis for design work through necessary motion analysis. The robot adopts the form of three modules in series, and the modules are connected through differential driving joints, which increases the joint torque of the robot. The nested omni-tread structure improves the robot's motion efficiency and environmental adaptability. This paper conducts configuration and motion analysis of the robot. The simulation is performed using the optimization solution method to obtain the joint torque and walking torque of the robot, which guides the design of the robot. The experiment is also conducted with the developed prototype to verify the robot's performance. From the simulation results, the joint torque and walking torque are obtained, and the motors are selected. The motion performance and field applicability of the robot are verified through experiment tests. The experiment results further verify the robot design and analysis work. The structural design of robots and optimization solution method in this paper has certain reference values for other researchers.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,020
Tête enseignante GPT0,222
Écart entre enseignants0,202 · 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
GenreMéthodes

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetModular Robots and Swarm IntelligenceTravaux en français237 207