Maneuverability‐Based Speed and Temperature Adaptive Robotic Control (M‐ <scp>STARC</scp> ) for Fiber Steering in Additive Manufacturing
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
ABSTRACT Steering of continuous fiber along three‐dimensional (3D) paths in automated fiber placement (AFP) additive manufacturing using a 6‐axis robotic arm requires advanced toolpath planning strategies to ensure coordinated control of robotic movements, printing speed, and deposition temperature. Fiber steering requires large nozzle rotations to keep the fibers tangential to the nozzle path. If the print speed is not reduced accordingly, the resulting large robot joint accelerations cause jerky movements and vibrations that disrupt the precise printing height—typically ranging from 0.1 to 0.3 mm—causing fiber damage at the nozzle tip and path errors. This research introduces a novel approach called Maneuverability‐based Speed and Temperature Adaptive Robotic Control (M‐STARC). The method dynamically adjusts printing speed and deposition temperature based on the complexity of the robotic joints' maneuvering required to maintain tangential alignment of the 3D printing nozzle with the fiber path trajectory. Heat transfer analyses determine nozzle temperature as a function of printing speed. This speed is varied along the trajectory to limit robot joint accelerations, which depend on the maneuverability (kinematics) of the robot. Faster printing speeds (and higher nozzle temperatures) are allowed at points where less maneuvering is needed. The proposed toolpath planning approach effectively defines the 3D path and robotic movements while adhering to critical speed–temperature constraints, laying the theoretical foundation for future experimental validation and implementation in fiber steering applications.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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