A Predictor-Corrector Algorithm for the Fast Determination of the Wrench-Feasible Workspace of Cable-Driven Parallel Robots
Notice bibliographique
Résumé
In this paper, we present a method of determining the Constant-Orientation Wrench-Feasible Workspace (COWFW) of Cable-Driven Parallel Robots (CDPRs). This workspace is a critical property of CDPRs, as their reach is often limited by their ability to sustain required forces and moments while keeping their cable tensions within acceptable limits. Several manners of determining the COWFW are reported in the literature, among which the brute force method is probably the most popular, the easiest to implement and the slowest, as it consists in determining wrench-feasibility at a grid of points covering the workspace. On the other hand, the ray-tracing method implemented in WireX software is probably the fastest method available; It consists in sampling the COWFW boundary by performing line-searches from a common starting point along predetermined, evenly-spaced directions. The method proposed in this paper is the application to CDPRs of a predictor-corrector algorithm used in computer graphics to quickly sample implicit surfaces In this work, the implicit surface is defined by equating to zero the “capacity margin” an index developed by one of the authors. The predictor-corrector algorithm then “marches” over the implicit surface, triangulating it as it advances. Simulation results show that the determination of the COWFW surface by this technique can be faster than the ray-tracing method in at least some examples, and often yields a triangulation that is more regular. We should note, however, that the implementation of this method is more demanding, it requiring more lines of code than the ray-tracing method.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».