MétaCan
Menu
Retour à la cohorte
Enregistrement W7162039120 · doi:10.82308/33241

Cam-profile optimization by means of undercutting in cam-roller speed reducers

2003· dissertation· en· W7162039120 sur OpenAlexaboutno aff
Weimin Zhang

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueMechanical Engineering and Vibrations Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMachinabilityCurvatureKinematicsFlexibility (engineering)Point (geometry)Focus (optics)Position (finance)Spline (mechanical)Robot

Résumé

récupéré en direct d'OpenAlex

Speed-o-Cam, a family of speed-reduction mechanisms based on cams and pure-rolling contact, is currently under development at McGill University's Centre for Intelligent Machines. This family is intended to replace gears and harmonic drives in applications where backlash, friction, and flexibility cannot be tolerated. In this thesis, we focus on the internal and external planar Speed-o-Cam with both positive and negative actions. We introduce 2-4-6 and 2-4-6-8 polynomials to modify the cam profile around both the cusp and the blunt point of the profile to improve the cam dynamic and kinematic performance. In a third approach, we resort to a cubic spline to solve the same problem. We pay special attention to the curvature of the cam, especially in connection with its machinability. To this end, we resort to Fourier analysis and, thus, propose the concept of loss of geometric regularity, which measures curvature changes. Then, we propose one more concept, the effective machinability of a cam. Both machinability and effective machinability vary from 0% to 100%. We also study the pressure-angle distribution and derive the relationships between the pressure angle and the parameters of the cam. A method to decrease the pressure angle under negative action is introduced. Moreover, an application of Speed-o-Cam to the design of the driving units of wheeled mobile robots is reported in the thesis.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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'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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMechanical Engineering and Vibrations ResearchTravaux en français237 207