MétaCan
Menu
Retour à la cohorte
Enregistrement W2587288256 · doi:10.1115/imece2016-67064

Analysis and Optimization of Robotized Grinding of Titanium High Pressure Compressor Blades

2016· article· en· W2587288256 sur OpenAlexaff
Mouhab Meshreki, Z. Shi, F. Arrien, Helmi Attia

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensAV&R (Canada)National Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésVibrationNatural frequencyGas compressorGrindingGrinding wheelMechanical engineeringEngineeringAerospaceActuatorProcess (computing)RobotRotational speedGrindAcousticsComputer scienceArtificial intelligenceAerospace engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

An analysis for a robotized grinding process of aerospace Titanium high pressure compressor blades was performed. In this process, the blade was grabbed on the robotic arm. A Scotch-Brite grinding wheel, on a pneumatic actuator, was used to grind the edges of the blades. The objective of this research work was to identify the major factors that influence the accuracy of the process and the final part quality. This objective was achieved by analyzing the dynamic characteristics of the wheel grabbed on the motor as well as analyzing the dynamic characteristics of the blade grabbed on the robotic arm. The frequency response functions (FRF) were identified at different robot configurations and positions. In addition, the vibrations of the various system components during the grinding process were monitored and analyzed to determine the effect of the speed on the relative vibrations between the workpiece and the wheel. Considering the dynamics of the wheel and the motor, rotational speed ranges were recommended. It was found that the vibrations of the grinding process were higher at two ranges: The first corresponds to the first natural frequency of the robot and the second corresponds to the first natural frequency of the wheel and the second natural frequency of the robot. By avoiding these ranges, part quality within the specified tolerances was obtained.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil0,186

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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced machining processes and optimizationTravaux en français237 207