Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  virtual sensor
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
In the case of minirobots, the sensorial equipment has often a large size almost equal with that of the minirobot itself, which increases both its dimension and its cost. Besides, the energetic and the informational links between the sensors and the control unit of the minirobot load the mechanical structure with consequences on its manoeuvrability. In order to minimize these disadvantages the paper introduces the concept of virtual sensors illustrated on a pneumatic walking minirobot controlled by an adaptive command program, which is based on a virtual sensor of proximity and direction.
PL
W przypadku minirobotów, osprzęt sensoryczny zajmuje często dużą objętość, prawie równą wielkości samego minirobota, co zwiększa zarówno jego wymiary jak i koszt. Poza tym energetyczne oraz informacyjne łącza pomiędzy sensorami a jednostką sterującą minirobota obciążają strukturę mechaniczną, co wpływa na jego zwrotność. Aby zminimalizować te niedogodności w artykule przedstawiono koncepcję wirtualnych sensorów zilustrowaną na przykładzie pneumatycznego minirobota kroczącego sterowanego za pomocą adaptacyjnego programu, który bazuje na wirtualnym sensorze zbliżenia i kierunku.
EN
Variation in powertrain parameters caused by dimensioning, manufacturing and assembly inaccuracies may prevent model-based virtual sensors from representing physical powertrains accurately. Data-driven virtual sensors employing machine learning models offer a solution for including variations in the powertrain parameters. These variations can be efficiently included in the training of the virtual sensor through simulation. The trained model can then be theoretically applied to real systems via transfer learning, allowing a data-driven virtual sensor to be trained without the notoriously labour-intensive step of gathering data from a real powertrain. This research presents a training procedure for a data-driven virtual sensor. The virtual sensor was made for a powertrain consisting of multiple shafts, couplings and gears. The training procedure generalizes the virtual sensor for a single powertrain with variations corresponding to the aforementioned inaccuracies. The training procedure includes parameter randomization and random excitation. That is, the data-driven virtual sensor was trained using data from multiple different powertrain instances, representing roughly the same powertrain. The virtual sensor trained using multiple instances of a simulated powertrain was accurate at estimating rotating speeds and torque of the loaded shaft of multiple simulated test powertrains. The estimates were computed from the rotating speeds and torque at the motor shaft of the powertrain. This research gives excellent grounds for further studies towards simulation-to-reality transfer learning, in which a virtual sensor is trained with simulated data and then applied to a real system.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.