MétaCan
Menu
Retour à la cohorte
Enregistrement W4402263889 · doi:10.23919/acc60939.2024.10644736

Motion Control of a Cable Robotic LED Light Fixture with IoT Connectivity<sup>**</sup>

2024· article· en· W4402263889 sur OpenAlexafffund
N. Tavakoli, A. Mohaghegi, Mehrdad Moallem

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Parking Systems Research
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFixtureMotion controlInternet of ThingsComputer scienceRobotMotion (physics)Electrical engineeringEngineeringArtificial intelligenceMechanical engineeringEmbedded system

Résumé

récupéré en direct d'OpenAlex

This paper presents development of a 2-degrees-of-freedom cable-suspended motion mechanism for a light-emitting diode (LED) horticultural light fixture with Internet-of-Things (IoT) connectivity. The proposed light motion mech-anism is intended to provide uniform light distribution on the plant canopy to optimize growth through proper position and orientation control with set-points determined, for instance, by natural light conditions and based on the plant's growth stage. The setup was built to have two main features: (i) Motion control of fixture's height and roll angle; and (ii) IoT connectivity. The motion control unit consists of a trajectory planner, which receives the control set-points via an IoT module, and embedded firmware. The reference values are obtained, for instance, through a light recipe database that provide the required data from a remote digital twin computer. The desired motion trajectory is obtained based on the dynamics of the system such that the tension of cables remain positive during the motion. To this end, conditions are obtained for the desired motion trajectory to guarantee positive tension in the cables which is utilized in the trajectory tracking controller. A hardware prototype was built to evaluate performance of the system which is presented along with experimental results.

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 enseignants0,559
Score d'incertitude au seuil0,502

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 Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,212 · 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSmart Parking Systems ResearchTravaux en français237 207