MétaCan
Menu
Retour à la cohorte
Enregistrement W1964991662 · doi:10.1108/09615530510583900

A nonlinear numerical model for sloshing motion in tuned liquid dampers

2005· article· en· W1964991662 sur OpenAlexaff
Mizanur R. Siddique, M. Hamed, Ashraf A. El Damatty

Notice bibliographique

RevueInternational Journal of Numerical Methods for Heat &amp Fluid Flow · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics Simulations and Interactions
Établissements canadiensWestern UniversityMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSlosh dynamicsDiscretizationNonlinear systemLinearizationConvergence (economics)Boundary value problemDamperMotion (physics)Computer scienceMechanicsMathematical analysisMathematicsPhysicsStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose This paper presents a new numerical model that, unlike most existing ones, can solve the whole liquid sloshing, nonlinear, moving boundary problem with free surface undergoing small to very large deformations without imposing any linearization assumptions. Design/methodology/approach The time‐dependent, unknown, irregular physical domain is mapped onto a rectangular computational domain. The explicit form of the mapping function is unknown and is determined as part of the solution. Temporal discretization is based on one‐step implicit method. Second‐order, finite‐difference approximations are used for spatial discretizations. Findings The performance of the algorithm has been verified through convergence tests. Comparison between numerical and experimental results has indicated that the algorithm can accurately predict the sloshing motion of the liquid undergoing large interfacial deformations. Originality/value The ability to model liquid sloshing motion under conditions leading to large interfacial deformations utilizing the model presented in this paper improves our ability to understand the problem of sloshing motion in tuned liquid dampers (TLDs), which would eventually help in constructing more effective TLDs.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,034
Tête enseignante GPT0,374
Écart entre enseignants0,341 · 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'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

Citations18
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Numerical Methods for Heat &amp Fluid FlowMême sujetFluid Dynamics Simulations and InteractionsTravaux en français237 207