Layout Optimization of the Six‐Axis Industrial Robot Based on an Improved Whale Algorithm for Reducing Energy Consumption in Industry 5.0
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the advent of Industry 5.0, the harmonious integration of human ingenuity and robotic precision in complex work environments is pivotal for sustainable industrial growth. The six-axis industrial robot, as an essential part of carrying out cyclic pick-and-place tasks in Industry 5.0, usually works in an extremely complex working environment. This intricate working environment makes the six-axis industrial robot difficult to reach the task points effectively, resulting in a lot of energy consumption. This not only impacts productivity but also leads to excessive energy consumption, which stands at odds with the Industry 5.0 principles of resource conservation. To solve this problem, a novel method to optimize the layout scheme of the six-axis industrial robot with the goal of minimizing the energy loss is creatively proposed in this paper. First, the reachable workspace and feasible workspace under constraints are mathematically modeled and then obtained. Second, the operability and the minimum singular value are utilized to evaluate the energy loss of the feasible workspace. Third, the whale algorithm is designed and improved to obtain the optimal layout scheme of the six-axis industrial robot. Finally, a case of the recliner's production line with the six-axis industrial robot (IRB140; ABB) is provided to validate the effectiveness of the proposed method. The results show that after optimization, the optimal layout scheme has been successfully obtained, and the energy loss has reduced from 0.2917 to 0.2309, a decrease of 20.84%, proving that the proposed method can obtain the optimal layout scheme with lower energy consumption.
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.
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 découle