MétaCan
Menu
Retour à la cohorte
Enregistrement W2055928570 · doi:10.1115/1.2783255

Orientation Capability, Error Analysis, and Dimensional Optimization of Two Articulated Tool Heads With Parallel Kinematics

2008· article· en· W2055928570 sur OpenAlexafffund
Xin-Jun Liu, Ilian A. Bonev

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotic Mechanisms and Dynamics
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNational Natural Science Foundation of ChinaMinistère de l'Éducation, du Loisir et du Sport Québec
Mots-clésKinematicsOrientation (vector space)Revolute jointJoint (building)Head (geology)Computer scienceMachiningPoint (geometry)Tilt (camera)AerospaceDegrees of freedom (physics and chemistry)Process (computing)Mechanical engineeringEngineeringGeometryArtificial intelligenceMathematicsStructural engineeringPhysicsGeologyAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Because of the increasing demand in industry for A/B-axis tool heads, particularly in thin wall machining applications for structural aluminium aerospace components, the three-degree-of-freedom articulated tool head with parallel kinematics has become very popular. This paper addresses the dimensional optimization of two types of tool head with 3-P̱VPHS and 3-P̱VRS parallel kinematics (P, R, and S standing for prismatic, revolute, and spherical joint, respectively; the subscripts V and H indicating that the direction of the P joint is vertical or horizontal, and the joint symbol with underline means the joint is active) by considering their orientation capability and positioning accuracy. We first investigate the tilt angle of the spherical joint, the orientation capability, and the error of one point from the mobile platform caused by input errors. Optimization of the 3-P̱VPHS tool head is easy. For the 3-P̱VRS tool head, a design space is developed to illustrate how the orientation capability and error index are related to the link lengths. An optimization process is accordingly presented. Using the optimization method introduced here, it is not difficult to find all the possible optimal solutions.

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)0,003
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: aucune
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
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,211
Écart entre enseignants0,203 · 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

Citations89
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetRobotic Mechanisms and DynamicsTravaux en français237 207