MétaCan
Menu
Retour à la cohorte
Enregistrement W2012786968 · doi:10.1117/12.873068

Optimizing the feedback control of Galvo scanners for laser manufacturing systems

2010· article· en· W2012786968 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensAlgonquin College
Organismes subventionnairesnon disponible
Mots-clésFeedback controlLaserComputer scienceControl (management)Materials scienceControl engineeringEngineeringOpticsPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper summarizes the factors that limit the performance of moving-magnet galvo scanners driven by closed-loop digital servo amplifiers: torsional resonances, drifts, nonlinearities, feedback noise and friction. Then it describes a detailed Simulink® simulator that takes into account these factors and can be used to automatically tune the controller for best results with given galvo type and trajectory patterns. It allows for rapid testing of different control schemes, for instance combined position/velocity PID loops and displays the corresponding output in terms of torque, angular position and feedback sensor signal. The tool is configurable and can either use a dynamical state-space model of galvo's open-loop response, or can import the experimentally measured frequency domain transfer function. Next a drive signal digital pre-filtering technique is discussed. By performing a real-time Fourier analysis of the raw command signal it can be pre-warped to minimize all harmonics around the torsional resonances while boosting other non-resonant high frequencies. The optimized waveform results in much smaller overshoot and better settling time. Similar performance gain cannot be extracted from the servo controller alone.

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.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,207
Écart entre enseignants0,200 · 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