Design and Fabrication of a Magnetic Actuator for Torque and Force Control Estimated by the ANN/SA Algorithm
Notice bibliographique
Résumé
Magnetic manipulation has the potential to recast the medical field both from an operational and drug delivery point of view as it can provide wireless controlled navigation over surgical devices and drug containers inside a human body. The presented system in this research implements a unique eight-coil configuration, where each coil is designed based on the characterization of the working space, generated force on a milliscale robot, and Fabry factor. A cylindrical iron-core coil with inner and outer diameters and length of 20.5, 66, and 124 mm is the optimized coil. Traditionally, FEM results are adopted from simulation and implemented into the motion logic; however, simulated values are associated with errors; 17% in this study. Instead of regularizing FEM results, for the first time, artificial intelligence has been used to approximate the actual values for manipulation purposes. Regression models for Artificial Neural Network (ANN) and a hybrid method called Artificial Neural Network with Simulated Annealing (ANN/SA) have been created. ANN/SA has shown outstanding performance with an average R2, and a root mean square error of 0.9871 and 0.0153, respectively. Implementation of the regression model into the manipulation logic has provided a motion with 13 μm of accuracy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».