MétaCan
Menu
Retour à la cohorte
Enregistrement W2012579703 · doi:10.1515/secm-2013-0009

Thermal control design for an automated fiber placement machine

2013· article· en· W2012579703 sur OpenAlexaff
Amir Hajiloo, Wenfang Xie, Suong V. Hoa, Salman Khan

Notice bibliographique

RevueScience and Engineering of Composite Materials · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésOverheating (electricity)Temperature controlThermalLinear-quadratic regulatorComputer scienceControl systemProcess engineeringMaterials scienceMechanical engineeringEngineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

Abstract One of the important concerns about the quality of the thermoplastic composite in automated fiber placement (AFP) process is the degradation of thermoplastic resin, resulting from the overheating or the lack of proper heating by the heating system used in the AFP machine head. Heat transfer between the heating system and incoming pre-impregnated tow is not easy to control and can result in energy loss or nonconsistent heating of pre-impregnated tow. Advanced control systems are used to control the key processing parameters of the nip point temperature of the heating system. In this study, two advanced control systems are designed by using the dynamic thermal model of the fiber placement process. One is linear quadratic regulator controller, which is implemented to achieve optimal results for quality performance. The other is model predictive controller, which is proved more efficient as the physical capacity, safety, and performance constraints of the heating system are explicitly addressed in the controller design. Polyether ether ketone reinforced with carbon fiber (APC-2) is used as the tow material in this study. The results of this study are presented including a comparison of the performance of the two control strategies through simulation study.

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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,219
Écart entre enseignants0,211 · 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
GenreMéthodes

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

En bref

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience and Engineering of Composite MaterialsMême sujetAdvanced Control Systems OptimizationTravaux en français237 207