MétaCan
Menu
Retour à la cohorte
Enregistrement W2093642463 · doi:10.1117/12.839872

Closed-loop control of magnetic fluid deformable mirrors

2009· article· en· W2093642463 sur OpenAlexaff
Azhar Iqbal, Zhizheng Wu, Foued Ben Amara

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2009
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDeformable mirrorAdaptive opticsComputer scienceWavefrontController (irrigation)OpticsControl systemSurface (topology)ActuatorPhysicsComputer visionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Adaptive optics (AO) systems make use of active optical elements, namely wavefront correctors (WFC), to improve the resolution of imaging systems by compensating for complex optical aberrations. Recently, magnetic fluid deformable mirrors (MFDM) were proposed as a promising new type of WFCs. These mirrors are developed by coating the free surface of a magnetic fluid with a thin reflective film of nano-particles. The reflective surface of the mirrors can be deformed using a locally applied magnetic field and thus serves as a WFC. MFDMs have been found particularly suitable for ophthalmic imaging systems where they can be used to compensate for the complex aberrations in the eye that blur the images of the internal parts of the eye. However, their practical implementation in clinical devices is hampered by the lack of effective methods to control the shape of their deformable surface. This paper presents a control algorithm that facilitated the first-ever use of a MFDM in a closed-loop AO system. The algorithm utilizes the influence function technique to decouple the multi-input multi-output system and features a proportional-integral controller structure. Experimental results showing the performance of the closed-loop system comprising the presented controller and a 19-channel prototype MFDM 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,508
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,220
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAdaptive optics and wavefront sensingTravaux en français237 207