MétaCan
Menu
Retour à la cohorte
Enregistrement W2346415332 · doi:10.5539/cis.v9n2p112

Anfis Based Material Flow Rate Control System for Weigh Feeder Conveyor

2016· article· en· W2346415332 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueComputer and Information Science · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Automation and Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceAdaptive neuro fuzzy inference systemController (irrigation)MicrocontrollerFuzzy control systemSet (abstract data type)Fuzzy logicPoint (geometry)Control systemControl theory (sociology)Control engineeringControl (management)Artificial intelligenceComputer hardwareMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

Weight control system on the feeder conveyor determines the factor of the quality of products within an industry. The dynamics of the flow rate of material through the feeder conveyor weigh requires a good level of performance controllers. The base of current controllers such as FLC (Fuzzy Logic Controller) requires a certain amount of knowledge and expertise in its design that will make it difficult to achieve good system performance. These difficulties can be overcome by using systems based on ANFIS (Adaptive Neuro-Fuzzy Inference System). By doing the learning offline, using ANFIS can be obtained by fuzzy inference systems to create a controller FLC. Microcontroller have FLC controller program, its integrated with notebook can monitor and control the notebook weigh feeder conveyor system. Designing a system that has been created will give good results with an average error value of 3.86% at the set-point of 1000 grams / minute, and the average error of 5.03% on set-point 2000 grams / minute in ten times testing.

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.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,239

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,002
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 Opus0,006
Tête enseignante GPT0,179
Écart entre enseignants0,172 · 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