.png){kind=icon}
返回
Adaptive Gaussian Mixture Models-Based Anomaly Detection for Under-Constrained Cable-Driven Parallel Robots
.png){kind=icon}
OA
AI
DOI：10.3390/robotics14110164.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
绳驱动并联机器人（CDPRs）越来越多地用于涉及预设工具路径及中途停顿的负载操作任务。在每个停顿处，平台保持固定姿态，电机使缆绳保持张力，系统需通过检测可能影响性能的异常情况（如阵风或缆绳冲击）来判断是否安全继续。本文研究了仅利用电机转矩数据、无需额外传感器即可检测异常的可行性。它引入了一种基于高斯混合模型（GMMs）的自适应无监督离群点检测算法，以从转矩信号中识别异常。该方法首先进行短暂的校准期——仅需几秒——在此期间将GMM拟合到已知的无异常数据上。随后，实时转矩测量值通过GMM的Mahalanobis距离进行评估，统计推导的阈值触发异常标志。模型参数使用最新识别为无异常的片段定期更新，以适应变化的环境条件。验证包括14次长时测试会话，模拟不同风力强度。所提方法实现了100%的真阳性率和95.4%的平均真阴性率，检测延迟为1秒。与功率阈值及非自适应GMM方法的对比评估表明，其对抗漂移和环境变化的鲁棒性更高。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.3
论文数:
457
被引数:
3.3K
机构
引用论文
Izard, J.B.; Gouttefarde, M. On the Cable Actuation of End-Effector Degrees of Freedom in Cable-Driven Parallel Robots. In Cable-Driven Parallel Robots; Caro, S., Pott, A., Bruckmann, T., Eds.; Springer Nature Switzerland: Cham, Switzerland, 2023; Volume 132, pp. 134–145. [Google Scholar] [CrossRef]Izard, J.B.; Gouttefarde, M. 关于缆索驱动并联机器人末端执行器自由度的缆索驱动。载于《缆索驱动并联机器人》；Caro, S., Pott, A., Bruckmann, T. 编；Springer Nature Switzerland: 瑞士楚格，2023年；第132卷，第134–145页。[Google Scholar][CrossRef].png)
IF0
PREAI
分享收藏Calibration of Static Errors and Compensation of Dynamic Errors for Cable-driven Parallel 3D Printer
OAAI
OAAI分享收藏Deep Learning for Anomaly Detection in Time-Series Data: Review, Analysis, and Guidelines用于时间序列数据异常检测的深度学习: 回顾、分析和指南IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Experimental study on controlling suspended cable-driven parallel robots for autonomous video-capturing of football games and obtaining the statistics of the gamesMECHATRONICS
MECHATRONICSIF3.1
PREAI
分享收藏Rest-to-Rest Trajectory Planning for Underactuated Cable-Driven Parallel Robots欠驱动缆索驱动并联机器人的静止到静止轨迹规划OAAI
OAAI分享收藏
查看更多内容