MétaCan
Menu
Retour à la cohorte
Enregistrement W4285038286 · doi:10.1063/5.0088120

Modeling and analysis of reluctance motion system with asymmetrical air gaps

2022· article· en· W4285038286 sur OpenAlexaff
Michael Pumphrey, Natheer Alatawneh, Mohammad Al Janaideh

Notice bibliographique

RevueReview of Scientific Instruments · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMultiphysicsActuatorMagnetic reluctanceAccelerationAir gap (plumbing)Control theory (sociology)Lorentz forceFinite element methodComputer sciencePhotolithographyVibrationMechanical engineeringPhysicsAcousticsClassical mechanicsEngineeringMaterials scienceMagnetOpticsMagnetic field

Résumé

récupéré en direct d'OpenAlex

To achieve high throughput and efficiency, semiconductor photolithography machines need an actuation system that can meet high acceleration and precision demands on the nanoscale. One available solution is the reluctance actuator, which provides higher acceleration and force output than the standard Lorentz actuator. A floating stage with air-bearings is used to eliminate friction in the photolithography process; however, vibration transfer is not entirely eliminated, leading to potential misalignment and asymmetries between the actuator elements. With asymmetrical offsets between mover elements, the output force can be greatly affected. This paper shows a method for estimating the force of various asymmetrical cases for the C-core reluctance actuator. Analytical models are developed and further improved through polynomial curve fitting using precomputed finite element simulation results from Comsol Multiphysics (COMSOL) to achieve more optimal solutions. An experiment verified the results of the force estimation equations, which were within ∼11% for different cases of asymmetric air gaps. This contribution will lead to a design for a control system that will overcome the issue of asymmetries or other altered states.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,723
Score d'incertitude au seuil0,261

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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
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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207