Étude des propriétés vibratoires d'un système robotique en opération de meulage par modélisation multi-corps flexibles
Bibliographic record
Abstract
Un robot à 6 degrés de liberté a été développé depuis de nombreuses années par l’Institut de recherche d’Hydro-Québec (IREQ) afin de réaliser des réparations in situ d’équipements hydroélectriques. Ce robot a été conçu dans le but d’effectuer plusieurs tâches comme le soudage, le meulage, ou encore le martelage, tout en gardant l’équipement à réparer dans son environnement. Pour ceci le robot possède des qualités de compacité, de portabilité et de poids qui impliquent malheureusement des problèmes au niveau vibratoire et donc de contrôle de trajectoire et d’enlèvement de matière. Ce document présente donc dans un premier temps la modélisation numérique du robot à l’aide d’un logiciel multi-corps, MD Adams, où la flexibilité des joints et membrures sont mises en place. Pour les membrures flexibles, un logiciel de type éléments-finis, Patran, est utilisé en parallèle afin de déterminer les informations modales de chaque bras et de les introduire dans le logiciel MD Adams. Ce modèle permet de déterminer le comportement vibratoire du robot pour des trajectoires prédéfinis. Ensuite, une partie expérimentale est exposée. Elle a pour objectif de valider le modèle numérique en inspectant la trajectoire de l’effecteur puis de chaque membrure avec un système de mesure laser. En effectuant un traitement de données, celles-ci sont regroupées avec les données numériques et une étude est faite dans le but de valider puis d’optimiser le modèle. Avec le modèle numérique, des simulations de meulages sont faites en introduisant une masse excentrée en rotation (qui représente le balourd de la meule) ainsi qu’une force de contact. En conséquence, les modes de vibrations sont mis en évidence et peuvent être observés dans la trajectoire de l’effecteur. Le modèle numérique réalisé sous Adams a de nombreuses utilités futures, tel que le contrôle du robot ou encore pour des études vibratoires plus approfondies sur celui-ci.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.014 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".