인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
In this study, a method to represent reactive forces at a stick-type controller has been proposed using a haptic master device to effectively communicate work status to users during subsea fracture operations through a teleoperated robot. Estimating reactive forces acting on the tool underwater presents significant challenges. To solve this, we propose a method that combines differential pressure measurement with a deep neural network (DNN) to estimate the reactive forces at the hydraulic manipulator’s tool with good accuracy and a high sampling rate. Specifically, the reactive force was predicted from high-sampling-rate differential pressure data, and the DNN was used to update the reactive force estimation with high accuracy. These tasks were performed recursively within a Kalman filter framework. Finally, a plaster fracture experiment was conducted in a terrestrial environment to verify the proposed method. The estimated reactive forces were compared with those measured by a force-torque sensor using data retrieved from the inertial sensors, joint encoders, and other relevant sensors. The differential pressure-DNN-based approach demonstrated high accuracy in estimating reactive forces in key directions while maintaining fast sampling speed.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092311502
