Optimization Based Identification of the Dynamic Properties of Linearly Viscoelastic Materials Using Vibrating Beam Technique
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sandwich structures with viscoelastic core and metal face sheets are increasingly used in automotive industry to significantly reduce the amplitude of vibration and noise radiation. Several experimental methods such as dynamic mechanical analysis (DMA) and vibrating beam technique (VBT) are used to characterize the dynamic properties of viscoelastic materials as a function of frequency and temperature. This paper investigates the use of a free-free beam setup, as an alternative solution to the classical clamped-free VBT, for a better control of the effect of boundary conditions on the laminated steel specimen. The new setup is developed in combination with a frequency response function based optimization method, to automatically derive the dynamic properties of viscoelastic core materials and generate their master curves. A solver based on the normal mode superposition method, considering the added mass effect of the impedance head, is used in the cost function of the optimization approach. The sandwich model is based on the Ross–Kerwin–Ungar equation, and the four-parameter fractional derivative model is used in conjunction with the Williams–Landel–Ferry equation to describe the frequency and temperature dependent behavior of the viscoelastic material. The master curves are a direct result of the optimization process. Several applications are described to assess the performance of the present method. In particular, a systematic comparison with both the classical VBT and DMA (when available) is presented.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle