MétaCan
Menu
Retour à la cohorte
Enregistrement W1986075039 · doi:10.11159/ijmem.2012.015

An Investigation of Thermal Behaviour of a Machine Tool on the Dimensional Accuracy of Parts

2012· article· en· W1986075039 sur OpenAlexvenueno aff
Yuxia Lu, M. N. Islam

Notice bibliographique

RevueInternational Journal of Mechanical Engineering and Mechatronics · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Metrology Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThermocoupleCompensation (psychology)InterferometryComputer scienceDisplacement (psychology)Machine toolMeasure (data warehouse)Accuracy and precisionMechanical engineeringBall (mathematics)MetreThermalLaserEngineeringOpticsMathematicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The thermal behaviour of machine tools can profoundly affect the dimensional accuracy of manufactured parts. Consequently, reducing its influence has become increasingly important to modern manufacturing. One of the most convenient and effective ways to reduce thermal error and enhance working accuracy is volumetric error compensation, especially for CNC machine tools. However, currently available compensation methods are highly complicated and difficult to apply in industry. They require a high-precision laser interferometer to measure 21 geometric error components and numerous thermocouples to monitor temperature variations. These requirements make such techniques costly and time consuming. This paper describes the development of a simplified and economical method of compensating for thermally induced errors. Compensation is implemented on the basis of only three axial positioning errors, which are assumed to be functions of ball screw nut temperature and travel distance. Instead of an expensive laser interferometer and many thermocouples, a simple laser Doppler displacement meter and only three thermocouples are required for the proposed method. Results show good agreement between measured and predicted thermally induced errors.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,251
Écart entre enseignants0,235 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mechanical Engineering and MechatronicsMême sujetAdvanced Measurement and Metrology TechniquesTravaux en français237 207