MétaCan
Menu
Retour à la cohorte
Enregistrement W1964537730 · doi:10.1109/wcica.2014.7052950

Hysteresis modeling for IPMC actuators with rate-dependent Preisach model

2014· article· en· W1964537730 sur OpenAlexaff
Ying Feng, Wirut Kumkongkaew, Juan Du, Subhash Rakheja, Chun‐Yi Su

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDielectric materials and actuators
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésHysteresisActuatorBendingVoltageControl theory (sociology)CurvatureNonlinear systemMaterials scienceComputer scienceMagnetic hysteresisArtificial musclePreisach model of hysteresisSmart materialComposite materialPhysicsEngineeringMathematicsElectrical engineeringCondensed matter physicsMagnetizationMagnetic fieldControl (management)

Résumé

récupéré en direct d'OpenAlex

Ionic polymer-metal composites(IPMCs) is a class of new smart materials, which can generate large bending motions under a low driving voltage, and this property of IPMCs can be used as artificial muscle driving devices without the traditional components. However, one strong non-smooth nonlinearity, hysteresis, exists between its bending curvature and the applied input voltage. The hysteresis curve is altered with the change of the input voltage rate, which causes the hysteresis in IPMCs with rate-dependent characteristics. In this paper, one modified Preisach hysteresis model is proposed to describe the rate-dependent hysteresis in IPMCs. In order to identify the effectiveness of the proposed modeling method, the comparison results between the experiment measured output and the computing output are given in this paper.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,687
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,184
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDielectric materials and actuatorsTravaux en français237 207