MétaCan
Menu
Retour à la cohorte
Enregistrement W2890507810 · doi:10.1017/s0263574718000838

Modelling and verification of fatigue damage for compliant mechanisms

2018· article· en· W2890507810 sur OpenAlexaff
Changli Liu, Zhuming Bi, Junjie Gu, Xuejun Wang, Wenjun Zhang

Notice bibliographique

RevueRobotica · 2018
Typearticle
Langueen
DomaineEngineering
ThématiquePiezoelectric Actuators and Control
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHingeMechanism (biology)KinematicsStructural engineeringPlanarActuatorDeformation (meteorology)Computer scienceWork (physics)Materials scienceEngineeringMechanical engineeringArtificial intelligencePhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

SUMMARY This paper presents a model-based approach for the first time to identify the crack location for the hinge-based planar RRR compliant mechanism, a parallel micro-motion stage driven by piezoelectric (PZT) actuators. However, cracks more likely occur on a flexure hinge because it usually undergoes a periodic deformation in service, which eventually compromises mechanism's performance, positioning accuracy for instance. In this work, the pseudo-rigid-body method is used to develop kinematic and dynamic models of the RRR mechanism both in healthy and damaged conditions, where the crack is considered in terms of the rotational compliance of a flexible hinge. The crack location is determined by measuring PZT elongations, which represents the driving toque deviation because of the crack presence. Numerical simulation is conducted to verify the proposed approach, and the results show good match of the identified crack location with the assumed location. Finally, experiments on the RRR mechanism with a prefabricated crack is performed to further validate the proposed models; the experimental results yield a good consistence.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,026
Tête enseignante GPT0,230
Écart entre enseignants0,204 · 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'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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoboticaMême sujetPiezoelectric Actuators and ControlTravaux en français237 207