MétaCan
Menu
Retour à la cohorte
Enregistrement W2316087454 · doi:10.1115/imece2004-60395

Adaptive Control and Monitoring Using the Spindle Integrated Force Sensor System

2004· article· en· W2316087454 sur OpenAlexafffund
Simon S. Park, Yusuf Altıntaş

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensUniversity of British ColumbiaUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMachiningKalman filterBreakageMachine toolEngineeringVibrationTool wearTrajectoryControl engineeringMechanical engineeringComputer scienceAcousticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Applications of spindle integrated force sensors are examined where the cutting forces are reconstructed from the piezoelectric force sensors that are imbedded in the spindle housing. The reconstruction of the cutting forces using the disturbance Kalman filter effectively provides the high bandwidth sensor requirements. The three applications that are presented in this paper are Adaptive Control with Constraint (ACC), chatter detection, and tool breakage detection, all using the spindle integrated sensors. ACC provides effective means of increasing machining productivity through the adjustment of feed rates by constraining cutting forces. The detection of chatter vibration in machining operations is important in order to ensure quality surface finishes. The cutting forces measured from the spindle sensors provide sufficient information as to whether the cutting operations are stable or not. Tool breakage detection is performed using both a good tool and a damaged tool. Two residual indices based on the first order auto-regressive (AR) filter are examined to determine tool breakage. The experiments verify the successful monitoring strategies using the spindle integrated force sensors.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,900
Score d'incertitude au seuil0,227

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,223
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 tête enseignante, 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
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

Citations8
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdvanced machining processes and optimizationTravaux en français237 207