MétaCan
Menu
Retour à la cohorte
Enregistrement W4229579772 · doi:10.1139/tcsme-2013-0023

AN ADAPTIVE-NETWORK-BASED FUZZY INFERENCE SYSTEM FOR PREDICTING SPRINGBACK OF U-BENDING

2013· article· en· W4229579772 sur OpenAlexvenueno aff
Bor‐Tsuen Lin, Kun-Min Huang

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBendingAdaptive neuro fuzzy inference systemStructural engineeringRADIUSSheet metalBend radiusGaussianFuzzy logicEngineeringComputer scienceFuzzy control systemArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Springback will occur when the external force is removed after bending process in sheet metal forming. This paper proposed an adaptive-network-based fuzzy inference system (ANFIS) model for prediction the springback angle of the SPCC material after U-bending. Three parameters were selected as the main factors of affecting the springback after bending, including the die clearance, the punch radius, and the die radius. The training data were obtained from results of U-bending experiment. The training data with four different membership functions – triangular, trapezoidal, bell, and Gaussian functions – were employed in the ANFIS to construct a predictive model for the springback of the U-bending. After the comparison of the predicted value with the checking data, the results show that the triangular membership function has the best accuracy, which make it the best function to predict the springback angle of sheet metals after U-bending.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,826
Score d'incertitude au seuil0,647

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 Opus0,016
Tête enseignante GPT0,221
Écart entre enseignants0,206 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetMetal Forming Simulation TechniquesTravaux en français237 207