MétaCan
Menu
Retour à la cohorte
Enregistrement W3093533957 · doi:10.1063/5.0014391

A piezoelectric stick–slip drive nanopositioner with large velocity under high load

2020· article· en· W3093533957 sur OpenAlexaff
Sen Gu, Peng Pan, Junhui Zhu, Yong Wang, Feiyu Yang

Notice bibliographique

RevueAIP Advances · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensMcGill University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPiezoelectricityStiffnessMATLABSlip (aerodynamics)Finite element methodMaterials scienceControl theory (sociology)AcousticsStructural engineeringEngineeringPhysicsComposite materialComputer scienceThermodynamics

Résumé

récupéré en direct d'OpenAlex

Piezoelectric stick–slip drive nanopositioners are of central importance in in situ SEM nanorobotic systems due to their high precise positioning, large stroke, high speed, and compact structure. However, the output velocity under high load will be seriously influenced. In this paper, a new piezoelectric stick–slip drive nanopositioner with large velocity under high load by introducing the adjust bolts to decouple the driving unit and moving unit is presented. A MATLAB simulation model has been created to optimize the nanopositioner for a certain velocity, and a FEM is used to confirm that the leaf hinge has sufficient stiffness. The size of the prototype is 30 × 32 × 25 mm3. Testing results indicate that the nanopositioner achieves a maximum velocity of 3.467 mm/s and a minimum resolution of 6 nm. When the load increases from 0.4 kg to 2 kg, the maximum velocities only decrease from 3.457 mm/s to 3.143 mm/s. The proposed piezoelectric stick–slip nanopositioner shows large velocity under high load.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,904
Score d'incertitude au seuil0,440

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 GPT0,240
Écart entre enseignants0,235 · 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'étudeThéorique ou conceptuel
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP AdvancesMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207