MétaCan
Menu
Retour à la cohorte
Enregistrement W2077168742 · doi:10.1115/imece2013-66767

High Accuracy, Low-Invasive Displacement Sensor (HALIDS)

2013· article· en· W2077168742 sur OpenAlexaff
S. Śpiewak, Curtis Zaiss, Stephen J. Ludwick

Notice bibliographique

RevueVolume 2A: Advanced Manufacturing · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Metrology Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInertial measurement unitComputer scienceGyroscopeAccelerometerProximity sensorFixtureDisplacement (psychology)Units of measurementSIGNAL (programming language)Computer visionArtificial intelligenceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Sub-micron accuracy and precision in measuring unconstrained, spatial motion is pivotal in science and engineering. It imposes stringent requirements on the accuracy, reliability, and invasiveness of sensing devices (including lasers, lidar sensors, or optical scales). While the capabilities of these devices have seen dramatic improvements in the last decades, the needs for sub-micron accuracy, low-invasive sensors greatly outpace the available solutions. The root cause of measurement difficulties is a conflict between the very nature of motion (simultaneous translations and rotations relative to a chosen reference base) and the fundamental requirement of measurement accuracy known as the Abbe principle. Small and accurate Microsystems Technology based inertial sensors (accelerometer and gyroscopes) can alleviate, or at least significantly mitigate, many of the current difficulties. If contained in small Inertial Measurement Units (IMU) and equipped with a wireless signal transmission, they can be placed on or very close to the objects whose motion is to be measured. Furthermore, as long as the IMU, its fixture, and some region of this object around the fixture can be considered as rigid, coordinate transformation rules facilitate converting signals measured by IMU into translations and rotations of any point in this rigid region. Consequently, a virtual 6-DOF sensor can be created. Its dimensions are infinitesimally small, and it can be “placed” anywhere within the above rigid region. In particular, it can be placed such that it is collinear with the displacements of the cutting tool or robot’s end effector, and satisfies the Abbe principle. We present a High Accuracy, Low-Invasive Displacement Sensor (HALIDS) for application in manufacturing and in engineering design. The sensor is capable of measuring simultaneously 6-degrees-of-freedom displacements of objects. Its short term resolution is down to 0.1 nanometer and accuracy better than 1 micron. The sensor can be built small, light and wireless. Results from experimental evaluation of two prototype versions are presented.

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)0,002
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 enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,005

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 GPT0,205
Écart entre enseignants0,199 · 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

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 2A: Advanced ManufacturingMême sujetAdvanced Measurement and Metrology TechniquesTravaux en français237 207