Digital twin for magnetic levitation systems: General architecture design and uncertainty analysis
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».