MétaCan
Menu
Retour à la cohorte
Enregistrement W2067569737 · doi:10.1115/1.1445154

A Combined 3D Linear and Circular Interpolation Technique for Multi-Axis CNC Machining

2002· article· en· W2067569737 sur OpenAlexaff
Hongbin Liang, Hyejeong Hong, Jaroslav Svoboda

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMachiningInterpolation (computer graphics)Linear interpolationNonlinear systemTrajectoryLine (geometry)Point (geometry)Line segmentNumerical controlRotation (mathematics)Path (computing)Computer scienceAlgorithmGeometryMathematicsComputer visionMotion (physics)EngineeringMechanical engineeringArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

In multi-axis CNC machining of sculptured surfaces, a linear interpolation technique has been used to generate the command signals for positions along the straight line segments that connect each consecutive data point. Due to the rotational movements superimposed on the translational movements in multi-axis CNC machining, the actual cutter contact (CC) point moves along a space curve path, while the linear interpolation technique generates positions along the straight line path. The nonlinear curve segments deviate from the linearly interpolated line segments resulting in nonlinearity errors, which in turn, commonly cause difficulties to ensure high precision machining. An interpolator design technique for solving the nonlinearity errors problem in multi-axis CNC machining is presented. A combined 3D linear and circular interpolation principle is developed on the basis of the 3D linear and circular interpolation principles. The new designed interpolator is capable of driving the rotation movement pivot along a predesigned 3D curve path, so that the CC point motion trajectory is via a straight line connecting machining data points. Therefore, the proposed interpolator design technique on-line eliminates nonlinearity errors, and provides a solution to the nonlinearity errors problem for multi-axis CNC machining.

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)0,001
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,226
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

Citations32
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetIterative Learning Control SystemsTravaux en français237 207