MétaCan
Menu
Retour à la cohorte
Enregistrement W4416363509 · doi:10.11159/icmie25.120

Design and Development of a Non-Contact Bernoulli Gripper

2025· article· W4416363509 sur OpenAlexvenueno aff
Moisés Alejandro Pineda-Miranda, Alicia María Reyes Duke

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueRobotic Locomotion and Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDevelopment (topology)Bernoulli's principleControl theory (sociology)Process (computing)Kinematics

Résumé

récupéré en direct d'OpenAlex

In the industry, the conventional approach to manipulating objects typically involves suction-based methods utilizing vacuum technology.However, this research project introduces an innovative end-effector prototype rooted in Bernoulli's principle.By harnessing high-velocity airflow, this prototype generates suction for non-contact gripping of objects.This proposes a solution aimed at handling objects without direct contact, thereby enhancing automated handling processes, particularly in sectors such as food, electronics, textiles, and others where product sensitivity to damage necessitates alternative handling methods.The final end-effector design prioritizes secure and precise object manipulation without compromising product quality.Leveraging CAD design software, we developed a 3D prototype fabricated using PLA material, ensuring functionality at a low cost.Critical to the effector's design was the analysis of pressure distribution.Through SolidWorks Flow simulation, we obtained real-time insights into compressed airflow behavior within the prototype, including trajectory dynamics.Based on the results obtained, where the maximum weight lifted was 76 grams, we can deduce that our effector is capable of lifting approximately 0.0105 grams per square millimeter (g/mm) at an air pressure of 110 psi.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,203
Écart entre enseignants0,196 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetRobotic Locomotion and ControlTravaux en français237 207