MétaCan
Menu
Retour à la cohorte
Enregistrement W4386743778 · doi:10.3390/act12090358

A Novel Wrench–Current Decoupling Strategy to Extend the Use of Small Lookup Data for a Long-Range Maglev Planar Motor

2023· article· en· W4386743778 sur OpenAlexafffund
Chanuphon Trakarnchaiyo, Mir Behrad Khamesee

Notice bibliographique

RevueActuators · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMagnetic Bearings and Levitation Dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaglevDecoupling (probability)Lookup tablePlanarControl theory (sociology)WrenchLevitationMagnetic levitationElectromagnetic coilComputer scienceAcousticsMagnetEngineeringPhysicsMechanical engineeringElectrical engineeringControl engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The maglev planar motor is one of the most promising industrial applications. The planar motor can increase flexibility in modern manufacturing with the multidirectional motion of the mover. In levitation control, the decoupling matrix is used to decouple the strong cross-coupling effect. The Lorentz force-based wrench matrices can be precomputed and stored in the lookup table. However, the motion range is restricted by the data range. This paper presents a wrench–current decoupling strategy to extend the use of small lookup data for long-range planar motion. The horizontal data range is 40 mm by 40 mm, which is determined from the minimally repetitive area of the planar coil array. The quadrant symmetry transformation is used to estimate the data for other areas. The experiment results demonstrated the accomplishment of the developed technique for long-range motion with a maximum motion stroke of 380 mm. The disc-magnet movers can levitate with a large air gap of 30 mm and have a total roll and pitch rotation range of 20 degrees.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,151
Tête enseignante GPT0,293
Écart entre enseignants0,142 · 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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueActuatorsMême sujetMagnetic Bearings and Levitation DynamicsTravaux en français237 207