Motor-reducer sizing is a critical process in the design of robotic applications, as it directly affects the overall performance and efficiency of the system. The proper selection of motor and reducer size ensures that the robot can perform its required tasks without exceeding the limitations of the system components. However, there are limitations and restrictions that must be considered during the sizing process, such as mechanical and electrical constraints, as well as the desired speed and torque requirements. The proper sizing of motors and reducers is essential for optimal performance of robotic systems. However, the complexity of the robotic application can make the selection process difficult due to the large number of factors that need to be considered. This is where the statistical method comes into play. By collecting and analyzing data on various parameters such as load, speed, and acceleration, the statistical method provides a systematic approach to determine the appropriate motor and reducer sizes. The method can also account for uncertainties and variations in the application's parameters, ensuring that the selected components can handle the worst-case scenario. As a result, the statistical method offers a reliable and accurate approach to motor-reducer sizing, reducing the risk of system failure and increasing the efficiency of the robotic application.

Il dimensionamento del motoriduttore è un processo critico nella progettazione di applicazioni robotiche, in quanto influisce direttamente sulle prestazioni complessive e sull'efficienza del sistema. La corretta selezione delle dimensioni del motore e del riduttore garantisce che il robot possa eseguire le attività richieste senza superare i limiti dei componenti del sistema. Tuttavia, ci sono limitazioni e restrizioni che devono essere considerate durante il processo di dimensionamento, come i vincoli meccanici ed elettrici, nonché i requisiti di velocità e coppia desiderati. Il corretto dimensionamento di motori e riduttori è essenziale per prestazioni ottimali dei sistemi robotici. Tuttavia, la complessità dell'applicazione robotica può rendere difficile il processo di selezione a causa dell'elevato numero di fattori da considerare. È qui che entra in gioco il metodo statistico. Raccogliendo e analizzando i dati su vari parametri come carico, velocità e accelerazione, il metodo statistico fornisce un approccio sistematico per determinare le dimensioni appropriate del motore e del riduttore. Il metodo può anche tenere conto delle incertezze e delle variazioni nei parametri dell'applicazione, assicurando che i componenti selezionati possano gestire lo scenario peggiore. Di conseguenza, il metodo statistico offre un approccio affidabile e accurato al dimensionamento del motoriduttore, riducendo il rischio di guasto del sistema e aumentando l'efficienza dell'applicazione robotica.

Motor-reducer sizing procedure for robotic application

GHAFFARI BARZEGAR, IMAN
2022/2023

Abstract

Motor-reducer sizing is a critical process in the design of robotic applications, as it directly affects the overall performance and efficiency of the system. The proper selection of motor and reducer size ensures that the robot can perform its required tasks without exceeding the limitations of the system components. However, there are limitations and restrictions that must be considered during the sizing process, such as mechanical and electrical constraints, as well as the desired speed and torque requirements. The proper sizing of motors and reducers is essential for optimal performance of robotic systems. However, the complexity of the robotic application can make the selection process difficult due to the large number of factors that need to be considered. This is where the statistical method comes into play. By collecting and analyzing data on various parameters such as load, speed, and acceleration, the statistical method provides a systematic approach to determine the appropriate motor and reducer sizes. The method can also account for uncertainties and variations in the application's parameters, ensuring that the selected components can handle the worst-case scenario. As a result, the statistical method offers a reliable and accurate approach to motor-reducer sizing, reducing the risk of system failure and increasing the efficiency of the robotic application.
ING - Scuola di Ingegneria Industriale e dell'Informazione
18-lug-2023
2022/2023
Il dimensionamento del motoriduttore è un processo critico nella progettazione di applicazioni robotiche, in quanto influisce direttamente sulle prestazioni complessive e sull'efficienza del sistema. La corretta selezione delle dimensioni del motore e del riduttore garantisce che il robot possa eseguire le attività richieste senza superare i limiti dei componenti del sistema. Tuttavia, ci sono limitazioni e restrizioni che devono essere considerate durante il processo di dimensionamento, come i vincoli meccanici ed elettrici, nonché i requisiti di velocità e coppia desiderati. Il corretto dimensionamento di motori e riduttori è essenziale per prestazioni ottimali dei sistemi robotici. Tuttavia, la complessità dell'applicazione robotica può rendere difficile il processo di selezione a causa dell'elevato numero di fattori da considerare. È qui che entra in gioco il metodo statistico. Raccogliendo e analizzando i dati su vari parametri come carico, velocità e accelerazione, il metodo statistico fornisce un approccio sistematico per determinare le dimensioni appropriate del motore e del riduttore. Il metodo può anche tenere conto delle incertezze e delle variazioni nei parametri dell'applicazione, assicurando che i componenti selezionati possano gestire lo scenario peggiore. Di conseguenza, il metodo statistico offre un approccio affidabile e accurato al dimensionamento del motoriduttore, riducendo il rischio di guasto del sistema e aumentando l'efficienza dell'applicazione robotica.
File allegati
File Dimensione Formato  
imanghaffariFinalThesis.pdf

Open Access dal 26/06/2024

Dimensione 2.68 MB
Formato Adobe PDF
2.68 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/208629