MétaCan
Menu
Retour à la cohorte
Enregistrement W4414110606 · doi:10.1109/lra.2025.3608649

Development of a Stick-Slip Dielectric Elastomer Actuator for Robotic Applications

2025· article· en· W4414110606 sur OpenAlexaff
Hongzhi Xu, Zhi Li, Xiuyu Zhang, Jinjun Shan

Notice bibliographique

RevueIEEE Robotics and Automation Letters · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueDielectric materials and actuators
Établissements canadiensYork University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésActuatorElastomerDielectricDielectric elastomersInterface (matter)Rotation (mathematics)Face (sociological concept)Transmission (telecommunications)

Résumé

récupéré en direct d'OpenAlex

Dielectric elastomer actuators (DEAs) face a performance tradeoff between achieving large displacements and high driving speeds, which limits their use in precision actuation scenarios requiring both rapid response and a wide motion range. To address these limitations, this study introduces a novel stick-slip actuation strategy that leverages the unique deformation properties of dielectric elastomers (DEs) combined with friction interface dynamics. Based on this principle, a stick-slip dielectric elastomer actuator (SSDEA) was developed, consisting of a DEA module with two fan-shaped electrode regions, a spherical rotor, and a 3D-printed framework. The structural design simplifies assembly by eliminating the need for complex techniques while ensuring operational stability. This design enables continuous multi-degree-of-freedom (multi-DOF) rotational motion without traditional transmission mechanisms. A dynamic model is established to analyze the actuator's behavior, and experimental validation confirms that the stick-slip strategy enhances both motion speed and resolution compared to conventional DEA systems. Its integration into a robotic facial model for simulating eyeball movements demonstrates its potential for compact, high-performance actuation in humanoid robotics.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,844
Score d'incertitude au seuil0,464

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 Opus0,007
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Robotics and Automation LettersMême sujetDielectric materials and actuatorsTravaux en français237 207