Torsional Mechanics In Dynamics Simulation of Low-tension Marine Tethers
Notice bibliographique
Résumé
A finite element model of a ROV tether is presented that makes use of a twisted cubic spline element form with torsional stiffness and a lumped mass approximation. In existing works, the torsional contributions to the low-frequency tether motion are disregarded. The primary objective of this work was to explore the role of torsional stiffness in the simulated low-tension tether dynamics during typical ROV maneuvers. Thus, a representation of the tether’s torsional rigidity was included in the model to capture the complete dynamics of the low-tension tether. The motion of a small ROV was experimentally captured during operation in tank trials. Using the measured towpoint motion to drive the tether dynamics simulation, it was readily apparent that tether twist significantly affects the disturbances predicted at the ROV. For the purposes of virtual-reality ROV pilot training, the torsional effects are thus necessary to ensure fidelity of the model. The small elements necessary to capture the tether curvature induce high-frequency motions that limit the step size of any numerical integration schemes used. Two integration methods were implemented in attempts to eliminate these unwanted high-frequency components and garner the associated improvement in the model execution time: a variable step size explicit Runge-Kutta method and an implicit Generalizedtechnique. The large number of small cable elements required for convergence created a practical limit on the execution speed of the Generalizedapproach.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».