Performance and Technology Comparison of GMR Versus Commonly used Angle Sensor Principles for Automotive Applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<div class="htmlview paragraph">Position detection and control is necessary in modern automotive applications because of remotely controlled actuators, such as window lifters or windshield. In recent years, the demand for reliable actuators for safety critical systems, such as power steering systems, has also increased significantly. This creates a growing demand for fast, accurate and efficient servo motor systems that are increasingly smarter, smaller and cheaper. One interesting option is to use Giant Magneto Resistive (GMR) angle sensors to replace the resolvers, Hall, inductive and Anisotropic Magneto Resistive Effect (AMR) Sensors commonly used today for shaft-angle measurements. In principle, there are functional differences among various angle measurement technologies; thus, the effect of switching between them needs to be analyzed. In particular, the accuracy, resolution, measurement rate, signal delay, temperature resistance and the system partitioning need to be discussed relative to the application requirements. In this paper, the individual influences of these parameters on applications are shown and compared to each other. The advantages and disadvantages of GMR, compared to the widely used sensors, are described in order to provide guidance for future application decisions. Some applications, such as Throttle Control, Steering Angle Measurement Systems and Electrical Commutated Motor Drives (EC-Motors), are discussed in detail. Conclusions are presented regarding the potential improvement deriving from the use of GMR rather than the angle sensor technologies commonly used today.</div>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle