Digital twin for magnetic levitation systems: General architecture design and uncertainty analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Digital twins (DTs) are widely used for actuator design, virtual prototyping, simulations, and analysis of model-based system engineering. DT technology is promising for magnetic levitation (maglev) systems, as illustrated by the mover design with high-strength neodymium magnets, the Lorentz force and torque (wrench) model comparison, and motion control verification. Digitalized maglev planar actuators (MLPAs) are time-, material-, labor-, and cost-efficient to develop, and the proposed DT is constructed using an open-source PyBullet module and assisted with a parallel-operated graphic user interface (GUI) using the PyQt5 module. Data transfer between physical systems and DTs is available using socket connections. After comparing the physical and virtual experimental results, the complete DT is verified using a 2-dimensional (2-D) Halbach array and single-disc magnet movers. The uncertainties of the MLPAs are implemented using white noise and system delay models. The ignored uncertainty features are introduced and analyzed for experimental deviations. The proposed DT provides a virtual safeguard environment for the next stage of machine learning research and multiple magnet-mover motion control studies. The first MLPA DT is established with a real-time wrench physics engine, which enables research opportunities for multi-mover motion, robotic collaboration, and artificial intelligence applications. This study is also beneficial for the design and analysis research of MLPAs.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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