The optimum design of epicyclic trains of spherical cam-roller pairs /
Notice bibliographique
Résumé
Many a robotic pitch-roll wrist uses a bevel-gear differential train to drive the gripper. The innovative design of pitch-roll wrists using spherical cam-roller pairs is currently underway at McGill University's Centre for Intelligent Machines, with the aim of overcoming the drawbacks of bevel-gear trains. This innovative design relies on Speed-o-Cam, a new concept of speed-reduction mechanisms based on cams and pure-rolling contact, intended to replace gears and harmonic drives in applications where backlash, friction, and flexibility cannot be tolerated. The new mechanism consists mainly of a spherical conjugate cam subassembly and two roller-carrying disks. We start with a study of cam curvature, with special focus on its machinability. Drawing from experience, we introduce the hypothesis that high curvature changes of a cam profile are at the source of the concentration of machining errors. As a consequence, the machining accuracy of the concave regions in a cam profile is substantially lower than that of its convex regions. To produce a more accurate cam we developed the geometric condition that guarantees a fully convex spherical cam profile. The optimum design of the pitch-roll mechanism based on cam-roller pairs is reported here. The optimization is intended to simplify the subassembly of spherical conjugate cams of the old design by means of a layout of two pairs of spherical mechanisms of the Stephenson type and two conjugate cams mounted on distinct shafts. We focus on the optimum design of both the spherical cam-roller mechanism and the spherical Stephenson mechanism.
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 ».