MétaCan
Menu
Retour à la cohorte
Enregistrement W1989271298 · doi:10.1177/1045389x14529032

Feasibility study of utilizing superelastic shape memory alloy plates in steel beam–column connections for improved seismic performance

2014· article· en· W1989271298 sur OpenAlexaff
Saber Moradi, M. Shahria Alam

Notice bibliographique

RevueJournal of Intelligent Material Systems and Structures · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésShape-memory alloyStructural engineeringMaterials scienceFlangeDuctility (Earth science)Beam (structure)DissipationBucklingHingeColumn (typography)PseudoelasticityConnection (principal bundle)Finite element methodSmart materialComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Steel moment-resisting frames are prone to extensive damage in seismically active zones. Large permanent deformations in structural members following strong earthquakes can be mitigated using smart materials such as shape memory alloys. In this article, three-dimensional finite element analyses are conducted to study the seismic performance of beam–column connections incorporating shape memory alloy plates. Eight beam–column connection subassemblies with shape memory alloy plates in the plastic hinge of beam were analyzed under cyclic loading. Based on the numerical results, the recentering properties of superelastic shape memory alloy plates were found to be effective in reducing the residual drifts of a flange plate beam–column connection, while displaying an excellent ductility. In addition, shape memory alloy plates could prevent the occurrence of local buckling and damage in structural members. The new self-centering connections could also exhibit a good energy dissipation capability.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,237
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
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

Citations80
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intelligent Material Systems and StructuresMême sujetSeismic Performance and AnalysisTravaux en français237 207