MétaCan
Menu
Retour à la cohorte
Enregistrement W3083921471 · doi:10.18280/jesa.530307

Swing Angle Error Compensation of a Computer Numerical Control Machining Center for Special-Shaped Rocks

2020· article· fr· W3083921471 sur OpenAlexvenueno aff
Nan Xiao, Yuanyuan Liu, Xinyue Zhang, Yan Liu

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2020
Typearticle
Languefr
DomaineEngineering
ThématiqueEngineering Technology and Methodologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSwingCompensation (psychology)Numerical controlMachiningCenter (category theory)Mechanical engineeringEngineeringComputer scienceEngineering drawingPsychology

Résumé

récupéré en direct d'OpenAlex

The accuracy of swing angle directly bears on the machining performance of computer numerical control (CNC) machine tools. Any error in the swing angle will greatly affect the machining quality. In actual engineering, it is very important to compensate for the angle error in the machine tool. This paper attempts to design an effective method to compensate for the swing angle error in special-shaped rock turning-milling machining center HTM50200. Firstly, the commonly used swing angles of the tool axle were measured, and fitted into curves through polynomial regression. Based on the fitted curves, the error between the theoretical and actual swing angles was obtained and corrected, and the change law of the angle error was derived. After error compensation, the actual swing angle was measured again for verification. According to the measured results, our error compensation technique greatly enhanced the rotation accuracy of the swing axle, and mitigated the effects of swing angle error on machining accuracy. This research breaks new ground for the development of high-end high-precision rock machining equipment.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,044
Tête enseignante GPT0,276
Écart entre enseignants0,232 · 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'étudeSans objet
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetEngineering Technology and MethodologiesTravaux en français237 207