MétaCan
Menu
Retour à la cohorte
Enregistrement W2413577535 · doi:10.1109/tmech.2016.2578678

High-Performance Motion Control of the METIS Cold Chopper Mechanism

2016· article· en· W2413577535 sur OpenAlexaboutno aff
R. Huisman, S.L. Paalvast, Bernhard R. Brandl, Teun van den Dool, Martin Eggens, H. J. L. Janssen, Gabby Aitink-Kroes, Frank Molster, Maurice Teuwen, Lars Venema, Bayu Jayawardhana

Notice bibliographique

RevueIEEE/ASME Transactions on Mechatronics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesMax-Planck-Institut für AstronomieKU LeuvenNederlandse Organisatie voor Wetenschappelijk OnderzoekEidgenössische Technische Hochschule ZürichRijksuniversiteit Groningen
Mots-clésMetisTelescopeController (irrigation)Computer scienceSpectrographChopperSimulationEngineeringPhysicsOpticsElectrical engineeringAstronomy

Résumé

récupéré en direct d'OpenAlex

We present the main results of the performance test campaign of the Mid-Infrared European Extremely Large Telescope Imager and Spectrograph (METIS) Cold Chopper Demonstrator (MCCD). This tip/tilt mirror, which operates at a temperature of 77 K, is one of the critical components in the METIS for the European Extremely Large Telescope. The performance requirements of the MCCD relate to the field of fast and very accurate reference tracking. We discuss the applicability of different high-performance motion control strategies and describe the control synthesis of a repetitive and of a novel hybrid controller. We identified the presence of nonlinearities in the plant, which limits the performance of the hybrid controller. The repetitive controller shows very promising results and can handle the nonlinearities in the system. This experimental phase concludes the MCCD program, which was initiated to verify the feasibility of a high-performance cryogenic tip/tilt mirror at an early stage in the METIS development. Because of the very promising test results, no significant changes to the hardware will be implemented. We believe that minor adjustments will suffice to meet all requirements of the final hardware after integration with the METIS instrument.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,172
Écart entre enseignants0,167 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE/ASME Transactions on MechatronicsMême sujetIterative Learning Control SystemsTravaux en français237 207