MétaCan
Menu
Retour à la cohorte
Enregistrement W7162027664 · doi:10.82308/52227

The parameter identification of a novel speed reducer /

2002· dissertation· en· W7162027664 sur OpenAlexaboutno aff
Song, Xiaohui, 1974-

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueMechanical Engineering and Vibrations Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBacklashTestbedReducerMechanical transmissionIdentification (biology)StiffnessPower transmissionGrippersMachine toolEnergy (signal processing)

Résumé

récupéré en direct d'OpenAlex

Many a mechanical application involves power transmission from a high-speed motor to a low-speed load. However, existing speed-reduction mechanisms are usually a major sink of energy and information in mechanical transmissions. Energy and positioning information are lost through: (a) friction between sliding components; (b) compliance; and (c) backlash. A novel transmission for speed reduction, Speed-o-Cam, is currently under research at McGill University's Centre for Intelligent Machines (CIM). The transmission is based on the layout of pure-rolling indexing cam mechanisms, and hence, eliminates backlash and friction. Besides zero backlash and low friction losses, Speed-o-Cam also offers the possibility of high stiffness, another essential attribute for high-accuracy applications. This thesis focuses on the aspects of both model development and mechanical-parameter identification of a spherical prototype of Speed-o-Cam. Our main interest lies in identifying the mechanism stiffness. In order to conduct experiments on the prototype, a testbed was designed and fabricated. A mathematical model of the testbed is first formulated. Based on this model and the results of experiments, the parameters of the Speed-o-Cam prototype are identified. In the process, the stiffness and damping parameters of the couplings of the testbed are also identified. Power efficiency is an important indicator of speed reducing mechanisms. For the Speed-o-Cam prototype, this indicator is also estimated experimentally.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,817
Score d'incertitude au seuil0,355

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,032
Tête enseignante GPT0,290
Écart entre enseignants0,258 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMechanical Engineering and Vibrations ResearchTravaux en français237 207