Three-dimensional modeling of coordinate measuring machines probing accuracy and settings using fuzzy knowledge bases: Application to TP6 and TP200 triggering probes
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.
Notice bibliographique
Résumé
Abstract One of the fundamental elements that determines the precision of coordinate measuring machines (CMMs) is the probe, which locates measuring points within measurement volume. In this paper genetically generated fuzzy knowledge based models of three-dimensional (3-D) probing accuracy for one- and two-stage touch trigger probes are proposed. The fuzzy models are automatically generated using a dedicated genetic algorithm developed by the authors. The algorithm uses hybrid coding, binary for the rule base and real for the database. This hybrid coding, used with a set of specialized operators of reproduction, proved to be an effective learning environment in this case. Data collection of the measured objects' coordinates was carried out using a special setup for probe testing. The authors used a novel method that applies a low-force high-resolution displacement transducer for probe error examination in 3-D space outside the CMM measurement. The genetically generated fuzzy models are constructed for both one stage (TP6) and two stage (TP200) types of probes. First, the optimal number of settings is defined using an analysis of the influence of fuzzy rules on TP6 accuracy. Then, once the number of settings is obtained, near optimal fuzzy knowledge bases are generated for both TP6 and TP200 triggering probes, followed by analysis of the finalized fuzzy rules bases for knowledge extraction about the relationships between physical setup values and error levels of the probes. The number of fuzzy sets on each premise leads to the number of physical setups needed to get satisfactory error profiles, whereas the fuzzy rules base adds to the knowledge linking the design experiment parameters to the pretravel error of CMM machines. Satisfactory fuzzy logic equivalents of the 3-D error profiles were obtained for both TP6 and TP200 with root mean squsre errors ranging from 0.00 mm to a maximum of 0.58 mm.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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