MétaCan
Menu
Retour à la cohorte
Enregistrement W2028553492 · doi:10.1177/0954405414563420

Belt grinding process with force control system for blade of aero-engine

2015· article· en· W2028553492 sur OpenAlexaff
Jihao Duan, Youmin Zhang, Yaoyao Shi

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part B Journal of Engineering Manufacture · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésGrindingMachiningAbrasiveMechanical engineeringSurface roughnessProcess (computing)Grinding wheelMaterials scienceControl theory (sociology)EngineeringComputer scienceComposite materialControl (management)

Résumé

récupéré en direct d'OpenAlex

In abrasive belt grinding process for surface of blade, elasticity, deformation and abrasive belt wear are major factors affecting the machining stability, efficiency and quality. In order to improve the grinding process and realize optimal grinding, a new controllable and flexible belt grinding mechanism is designed and assembled in a special computer numerical control grinding machine, accompanied with a constant grinding force control system. Based on the analysis of proportional valve and cylinder system in this grinding mechanism, a mathematic model of normal grinding force is constructed. Afterward, a fuzzy proportional–integral–derivative control strategy is proposed to deal with the uncertainty and nonlinearity of this system. A Simulink model of force control process is developed, and the good performance is achieved according to the simulation result. Finally, several grinding experiments for an aero-engine fan blade are carried out. The measurements show that the proposed grinding process with fuzzy proportional–integral–derivative force controller enhances the machining stability and efficiency considerably. What is more, the machining qualities, such as surface roughness, form accuracy and consistency, are improved significantly. And all the grinding results satisfy the machining requirements in the manufacturing process of blade.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,202
Écart entre enseignants0,194 · 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'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

Citations20
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part B Journal of Engineering ManufactureMême sujetAdvanced machining processes and optimizationTravaux en français237 207