MétaCan
Menu
Retour à la cohorte
Enregistrement W2940964888 · doi:10.1016/j.promfg.2019.02.255

Implementation of an Absorber Design for Vibration Control in Automation Systems

2019· article· en· W2940964888 sur OpenAlexafffund
Timber Yuen, Lucian Balan, Moein Mehrtash

Notice bibliographique

RevueProcedia Manufacturing · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Automation and Control Systems
Établissements canadiensMcMaster University
Organismes subventionnairesMcMaster University
Mots-clésVibrationDynamic Vibration AbsorberAutomationEngineeringVibration controlNoise (video)Mechanical resonanceMechanical systemComputer scienceAcousticsControl engineeringMechanical engineeringPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Vibration problems occur in automation and robotics systems frequently. Automation systems often have components that rotate at high speeds. When rotating equipment is unbalanced, it could cause a lot of vibration. This type of forced vibration not only will create mechanical noise, it could cause accuracy issues and affect production yield in precision equipment. Even if the source of the vibration can be identified, sometimes it is difficult to fix the issue due to cost or schedule concerns. In such cases, vibration absorbers can be used to control the vibration amplitude and allow production to continue. A passive vibration absorber is a mechanical device with no electrical components. It is designed or tuned to a certain oscillation frequency, typically, one of the systems resonance frequencies. A vibration absorber is only effective when the excitation frequency is close to the resonance frequency of the system. In a system with multiple modes of vibrations, vibration absorbers can only be designed specifically to a single mode of vibration. In this paper, an example will be examined to understand how vibration absorbers can be implemented and their limitations.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,013
Tête enseignante GPT0,238
Écart entre enseignants0,224 · 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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProcedia ManufacturingMême sujetIndustrial Automation and Control SystemsTravaux en français237 207