MétaCan
Menu
Retour à la cohorte
Enregistrement W4294874181 · doi:10.1504/ijaac.2022.125287

Closed-loop thickness control and sensor placement in extrusion blow moulding

2022· article· en· W4294874181 sur OpenAlexaff
Mostafa Darabi, Raffi Toukhtarian, Hossein Vahid Alizadeh, Benoît Boulet

Notice bibliographique

RevueInternational Journal of Automation and Control · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueRheology and Fluid Dynamics Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésExtrusionDie swellPlastics extrusionInjection mouldingController (irrigation)Die (integrated circuit)NeckingMaterials scienceBlow moldingMechanical engineeringControl theory (sociology)EngineeringComposite materialComputer scienceControl (management)

Résumé

récupéré en direct d'OpenAlex

Extrusion blow moulding (EBM) is a polymer forming technique used to manufacture hollow plastic parts, such as fuel tanks. In this work, the feasibility of using closed-loop control in EBM is explored to compensate for machine drift and disturbances. A control system is proposed to regulate the extrusion process in EBM. The extrusion controller aims to increase process consistency by minimizing part thickness deviations. The thickness of the extrudate is measured during the extrusion cycle and any deviation from the desired thickness profile is compensated by changing the die gap in real time. The controller, which offers flexibility in thickness sensor placement, features a Smith predictor configuration embedding an H∞ controller. It compensates for the input-dependent polymer transport delay, the nonlinear steady-state swell, and nonminimum phase necking effects affecting the extrudate. This extrusion control technique may help reduce the production rate of off-specification parts and improve product quality.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
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 Opus0,005
Tête enseignante GPT0,233
Écart entre enseignants0,228 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Automation and ControlMême sujetRheology and Fluid Dynamics StudiesTravaux en français237 207