MétaCan
Menu
Retour à la cohorte
Enregistrement W1990845467 · doi:10.1115/1.3125887

Hybrid Modeling of Ball Screw Drives With Coupled Axial, Torsional, and Lateral Dynamics

2009· article· en· W1990845467 sur OpenAlexaff
Chinedum E. Okwudire, Yusuf Altıntaş

Notice bibliographique

RevueJournal of Mechanical Design · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBall screwVibrationBall (mathematics)Finite element methodStructural engineeringTorqueCoupling (piping)EngineeringKinematicsMechanism (biology)Torsional vibrationTorsion (gastropod)Mechanical engineeringControl theory (sociology)Computer sciencePhysicsAcousticsClassical mechanicsNut

Résumé

récupéré en direct d'OpenAlex

It has been a common practice to assume that the torsional and axial dynamics are totally decoupled from the lateral dynamics of the screw when modeling ball screw drives. However, experiments show that there is a considerable coupling between them, which could adversely affect the positioning accuracy and fatigue life of the drive. In this paper, the lateral dynamics of the screw is explicitly incorporated into the hybrid finite element model of ball screw drives. The ball screw is modeled by Timoshenko beam elements, and the balls, joints, bearings, and fasteners are modeled as pure springs. Rigid components are modeled as lumped masses. The proposed screw-nut interface model, which includes the effects of lateral vibrations, is shown to predict the coupling between axial, torsional, and lateral dynamics of ball screw drives. The effects of this dynamic coupling on the positioning accuracy of the drive are also presented with experimental proof. The proposed model provides a more realistic platform for a designer to optimize the drive parameters for high speed-high acceleration machine tool applications, where the ball screw vibrations limit the fatigue life of the mechanism, bandwidth of the servo systems, and positioning accuracy of the machine.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,209
Écart entre enseignants0,198 · 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

Citations137
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanical DesignMême sujetIterative Learning Control SystemsTravaux en français237 207