MétaCan
Menu
Retour à la cohorte
Enregistrement W4408749577 · doi:10.23977/jemm.2025.100104

Research on the Engineering Mechanics Equations of a Pipeline Robot Supported by Wheel Systems

2025· article· en· W4408749577 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Engineering Mechanics and Machinery · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePower Line Inspection Robots
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRobotPipeline (software)Applied mechanicsComputer scienceMechanical engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Existing oil pipeline robots generally face stability and adaptability problems in complex terrain and different environmental conditions. Especially under high load and complex pipeline paths, the robot's motion control and mechanical response often cannot meet the requirements. To this end, this paper first constructs a mechanical model of a supported wheeled robot in a pipeline environment. By analyzing the response of the robot under different terrain and disturbance conditions, a set of control methods based on dynamic optimization are proposed. This paper accurately calculates the contact force and motion trajectory of the robot on the pipeline by establishing a multi-factor coupling model including normal force, tangential force and friction force, and simulates and verifies its performance under different operating conditions. The study also deeply analyzes the dynamic response of the robot under speed and slope conditions to ensure its efficient movement in difficult environments. The experimental results show that the robot's motion control accuracy has been significantly improved through the improved mechanical model, especially in pipeline environments with high-speed movement and complex slopes. Under flat conditions, the robot has a recovery time of 2.1 seconds after being disturbed by a speed of 0.5 m/s, a maximum displacement deviation of 0.15 meters, and a maximum posture deviation of 3.5°.

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)0,000
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 GPT0,269
Écart entre enseignants0,249 · 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'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering Mechanics and MachineryMême sujetPower Line Inspection RobotsTravaux en français237 207