MétaCan
Menu
Retour à la cohorte
Enregistrement W1712814768 · doi:10.1002/eqe.1186

Phase and amplitude error indices for error quantification in pseudodynamic testing

2011· article· en· W1712814768 sur OpenAlexafffund
Reza Mirza Hessabi, Oya Mercan

Notice bibliographique

RevueEarthquake Engineering & Structural Dynamics · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic and Pneumatic Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoUniversity of Alberta
Mots-clésAmplitudeComputer scienceStability (learning theory)Displacement (psychology)Phase (matter)AlgorithmControl theory (sociology)Control (management)Artificial intelligenceMachine learning

Résumé

récupéré en direct d'OpenAlex

SUMMARY Real‐time pseudodynamic (PSD) and hybrid PSD testing methods are displacement controlled experimental techniques that are used to investigate the dynamic behaviour of complex and load rate‐dependent structures. Because the imposed command displacements are not predefined but generated during the test based on measured feedback, these methods are inherently prone to error propagation, which can affect the accuracy and even the stability of the entire experiment. As a result, to have these experimental methods as reliable tools, the accuracy of the test results needs to be assessed by carefully monitoring, and if possible, quantifying the errors involved. In this paper, phase and amplitude error indices (PAEI) are introduced to identify the experimental errors through uncoupled closed‐form equations. Unlike the indicators that have been previously introduced in the literature for error identification purposes, PAEI do not use test setup specific parameters in their formulation, and can quantify the errors independent of the amplitude of the command displacements. As such, PAEI can be used as standard tools for assessing the quality of the experiments performed in different laboratories or under different conditions. Additionally, because they can quantify the error, when implemented online, PAEI have the potential to be incorporated in the control law and thereby improve the actuator control during the tests. The formulation and implementation of PAEI are provided in this paper. The enhanced performance of the proposed indices is demonstrated by processing several different measured and command signals using PAEI and comparing the results with those revealed by the previous indicators. Copyright © 2011 John Wiley & Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,037
Tête enseignante GPT0,256
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarthquake Engineering & Structural DynamicsMême sujetHydraulic and Pneumatic SystemsTravaux en français237 207