Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: model trajektoryjny

Sortuj według:

Ogranicz wyniki do:

Selected methods of trajectory planning of the upper limb exoskeleton

Głowiński S., Kurzydło W.

Logistyka

2014

nr 4

The article introduced the issues related to the trajectory planning of manipulators used in the rehabilitation process. At the beginning author described the model parameters of the upper limb exoskeleton, as a kinematic chain, which was developed by the notation Denavit - Hartenberg. By using DH notation a computer model of upper limb with the script containing the necessary data for simulation by using package MATLAB - Simmechanics was prepared. The polynomial of the third and fifth degree with a detailed description of mathematical models for trajectory planning was characterized. The results of simulations using these models were presented. Simulation was performed by using the results of earlier studies inverse kinematics exoskeleton. The displacement and velocity of movement of selected joints were described. Presented trajectories could be used for exoskeletons in various applications as a rehabilitation and ergonomics.

Artykuł wprowadza w problematykę związaną z planowaniem trajektorii ruchu manipulatorów wykorzystywanych w procesie rehabilitacji. Na początku przedstawiono parametry modelu egzoszkieletu kończyny górnej, jako łańcucha kinematycznego opracowanego przy wykorzystaniu notacji Denavita - Hartenberga. Następnie zbudowano model komputerowy ze skryptem zawierającym niezbędne dane do symulacji wykorzystując pakiet MATLAB - Simmechanics. Scharakteryzowano wielomian trzeciego i piątego stopnia ze szczegółowym opisem modeli matematycznych do planowania trajektorii. Przedstawiono wyniki symulacji przy wykorzystaniu tych modeli. Opisano modele prędkościowe (trapezowy i kosinusowy). Przeprowadzono symulację korzystając z wyników wcześniejszych badań kinematyki odwrotnej egzoszkieletu i zaprezentowano wyniki w postaci przemieszczeń i prędkości wybranych stawów ruchowych. We wnioskach nakreślono cel następnych badań.

SINZaP - intelligent air pollution monitoring system

Kliś Cz., Bronder J.

Archives of Environmental Protection

2008

Vol. 34, spec.

5-21

The paper presents a mature concept of an intelligent monitoring system of air pollution inflow and its realization in the form of a SINZaP system lunched at Institute for Ecology of Industrial Areas (IETU) in 2006. SINZaP is a real time operating system resembling a neural network. It is designed for modeling of pollutant emissions and air pollutants concentrations, addressed to specialists or decision makers responsible for air quality management. For modeling of emission and air pollutants concentrations in SIZNaP system, a back trajectory model - BackTrack has been used, which is based on VLSTRACK model. The essential feature of the BackTrack model is the application of back trajectories in the selection of emission sources influencing a given receptor. For modeling of trajectories BackTrack uses three-dimensional wind fields, friction velocity, Monin-Obukhov length and mixing layer height. SINZaP consists of four main modules: (1) data module including data scanner for reading public data accessible in the Internet, (2) module for preparation of meteorological data, (3) BackTrack module for simulations of pollutants emissions and simulations of air pollutants concentrations, and (4) Trainer module, the task of which is correction of input parameters for adjusting modeling and observed data.

Artykuł przedstawia koncepcję inteligentnego systemu kontroli napływu zanieczyszczeń powietrza oraz implementację systemu zwaną SINZaP, uruchomioną w IETU w 2006 r. SINZaP jest działającym w czasie rzeczywistym systemem do modelowania emisji zanieczyszczeń i stężeń zanieczyszczeń powietrza, podobnym do sieci neuronowej, przeznaczonym dla specjalistów w zakresie zarządzania jakością powietrza W SINZaP do modelowania emisji i stężeń zanieczyszczeń powietrza wykorzystano model trajektoryjny BackTrack bazujący na modelu VLSTRACK. Cechą BackTrack jest wykorzystanie trajektorii wstecznych do selekcji źródeł oddziałujących na receptor. Do modelowania trajektorii BackTrack wykorzystuje trójwymiarowe pole wiatru, prędkość dynamiczną, długość Monina-Obuchowa oraz wysokość warstwy mieszania. SINZaP składa się z czterech głównych modułów: (1) modułu danych w tym skanera danych o jakości powietrza udostępnionych w intemecie, (2) modułu przygotowania danych meteorologicznych, (3) modułu BackTrack do symulacji emisji zanieczyszczeń i symulacji stężeń, (4) modułu modyfikującego parametry źródeł w oparciu o analizę wyników modelowania i wyników monitoringu