MétaCan
Menu
Retour à la cohorte
Enregistrement W1520934870 · doi:10.1155/2015/382541

Frequency Dependent Spencer Modeling of Magnetorheological Damper Using Hybrid Optimization Approach

2015· article· en· W1520934870 sur OpenAlexaff
Ali Fellah Jahromi, Rama Bhat, Wenfang Xie

Notice bibliographique

RevueShock and Vibration · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMagnetorheological fluidDamperMagnetorheological damperDisplacement (psychology)Consistency (knowledge bases)Control theory (sociology)EngineeringSequential quadratic programmingAutomotive industryGenetic algorithmStructural engineeringQuadratic programmingComputer scienceMathematicsMathematical optimizationControl (management)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

Magnetorheological dampers have been widely used in civil and automotive industries. The nonlinear behavior of MR fluid makes MR damper modeling a challenging problem. In this paper, a frequency dependent MR damper model is proposed based on Spencer MR damper model. The parameters of the model are identified using an experimental data based hybrid optimization approach which is a combination of Genetic Algorithm and Sequential Quadratic Programming approach. The frequency in the proposed model is calculated using measured relative velocity and relative displacement between MR damper ends. Therefore, the MR damper model will be function of frequency. The mathematical model is validated using the experimental results which confirm the improvement in the accuracy of the model and consistency in the variation damping with the frequency.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,734
Score d'incertitude au seuil0,332

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 Opus0,038
Tête enseignante GPT0,227
Écart entre enseignants0,189 · 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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueShock and VibrationMême sujetVibration Control and Rheological FluidsTravaux en français237 207