MétaCan
Menu
Retour à la cohorte
Enregistrement W4309221341 · doi:10.21203/rs.3.rs-2243032/v1

A noval high-order discretization method for the milling stability prediction considering the differential of directional cutting coefficient and vibration velocities

2022· preprint· en· W4309221341 sur OpenAlexaff
Chunlei Song

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDiscretizationFloquet theoryStability (learning theory)Coefficient matrixMatrix (chemical analysis)Finite element methodVibrationMathematicsMonodromy matrixApplied mathematicsPartial differential equationDifferential (mechanical device)AlgorithmMathematical analysisMathematical optimizationComputer scienceEigenvalues and eigenvectorsPhysicsStructural engineeringEngineeringMaterials scienceAcoustics

Résumé

récupéré en direct d'OpenAlex

Abstract A novel high-order discretization method for the prediction of milling stability is proposed in this paper to increase the accuracy and efficiency considering the differential of directional cutting coefficient and vibration velocities. Same to the existing full discretization method (FDM) and semi discretization method (SDM), the milling system is expressed as a linear time-periodic equation and the time period is discretized into discrete time intervals to approximate the solution. In this algorithm, the cutting force coefficient matrix of the whole integrand is reconstructed to lay the foundation for the fast and accurate approximation. Then, the monodromy matrix (or the Floquet matrix) is calculated by the method used in the temporal finite element analysis (TFEA) instead of the multiple recursive algorithms which can improve the computational time. Finally, the computational efficiency is defined in a new way which gives quantitative comparisons for different discretization methods. It is shown that proposed method can reduce the computational cost by 91–95% when the same errors are required .

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,933
Score d'incertitude au seuil0,641

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,045
Tête enseignante GPT0,352
Écart entre enseignants0,307 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetAdvanced machining processes and optimizationTravaux en français237 207