MétaCan
Menu
Retour à la cohorte
Enregistrement W2767529605 · doi:10.1109/tmech.2017.2771260

Constrained Trajectory Generation and Control for a 9-Axis Micromachining Center With Four Redundant Axes

2017· article· en· W2767529605 sur OpenAlexaff
A.C.Y. Yuen, Yusuf Altıntaş

Notice bibliographique

RevueIEEE/ASME Transactions on Mechatronics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)KinematicsTrajectoryServoMachine toolSurface micromachiningServomotorPosition (finance)Tracking errorComputer scienceEngineeringControl engineeringMechanical engineeringPhysicsControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

A control strategy and trajectory generation algorithm for a novel 9-axis micromachining center is presented. The micromachining center consists of a 3-axis gantry type micromill and a six degree of freedom magnetic rotary table. The micromill is modeled as a rigid body and controlled with a sliding mode controller and feedfoward friction compensator. The rotary table is modeled as a rigid body with flexible connections and controlled using a combination of notch filters, loop shaping controllers, and integrators. To improve the performance of the micromill, the tracking error of the micromill is sent as reference commands to the rotary table. The trajectory generation algorithm consists of a kinematic module and a feedrate optimizer. The kinematic module resolves the redundancies of the 9-axis micromachine while respecting the stroke limits and avoids singularities. The generated position commands by the kinematic module are optimized without violating the physical limits of the drives. A two dimensional contouring experiment has been carried out to validate the improved tracking error performance of the proposed strategy. A freeform surface has been machined to demonstrate the overall performance of the 9-axis machine tool.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,017
Tête enseignante GPT0,227
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 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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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