MétaCan
Menu
Retour à la cohorte
Enregistrement W1985315692 · doi:10.1115/1.4002023

Height Control in Laser Cladding Using Adaptive Sliding Mode Technique: Theory and Experiment

2010· article· en· W1985315692 sur OpenAlexafffund
Meysar Ƶeinali, Amir Khajepour

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser and Thermal Forming Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and Science
Mots-clésCladding (metalworking)Control theory (sociology)LaserController (irrigation)Materials scienceCharge-coupled deviceProcess (computing)Process controlAdaptive controlOpticsComputer scienceMechanical engineeringEngineeringPhysicsComposite materialControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

A closed-loop control of the laser cladding process is desired due to difficulties encountered in depositing a layer with acceptable quality from both geometrical and metallurgical point of views. One of the main parameters to achieve the desired geometry in laser cladding process is the height of the deposited layers. In this paper, a real-time measurement and control of the clad height is presented. Due to complex nature of the process and presence of uncertainties, a robust and adaptive sliding mode control is proposed and implemented to control the clad height. The velocity of the substrate is used as a control input while the molten pool height, which is obtained using a charge-coupled device (CCD) camera and an image processing algorithm is used as a feedback signal. Stability of the controller is proven in the presence of time-varying uncertainties and the performance of the closed-loop system is validated by simulation and experiments. The experimental results are promising and show that the geometrical accuracy of the deposited layers can be improved significantly.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,229
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations44
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetLaser and Thermal Forming TechniquesTravaux en français237 207