MétaCan
Menu
Retour à la cohorte
Enregistrement W1997606224 · doi:10.1115/imece2014-36785

A Hybrid Model for Characterizing Pre-Yield Properties of MR Fluids

2014· article· en· W1997606224 sur OpenAlexaff
Mehdi Eshaghi, Ramin Sedaghati, S. Rakheja

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMagnetorheological fluidMagnetic fieldFinite element methodMaterials scienceExcitationMagnetShear modulusVibrationMechanicsStiffnessBeam (structure)Timoshenko beam theoryAcousticsPhysicsComposite materialMechanical engineeringStructural engineeringEngineeringOptics

Résumé

récupéré en direct d'OpenAlex

This study aims to present a field dependent phenomenological model to characterize the Magneto-Rheological (MR) fluid in the pre-yield region under varying frequency and applied magnetic field. Systematic analytical and experimental studies are proposed to formulate a hybrid model for representing complex shear modulus of a typical MR fluid (MR 122EG from Lord Corporation) as a function of both applied magnetic field and frequency. Two fully treated MR based sandwich beams with aluminum and copper face layers and MR fluid as the core layer are designed and fabricated. Uniform magnetic flux across the sandwich beam is provided using two permanent magnets. The fabricated MR based sandwich beams are then tested on an electrodynamic shaker under sweep sine excitation and different applied magnetic field to realize the effect of external excitation frequency and applied magnetic field on the stiffness and damping properties of the structure. The finite element model based on classical plate theory is also developed to analyze vibration response of the designed MR based sandwich beams incorporated with MR fluid. Then, by correlating the finite element results with those of the experiment, the frequency and field dependent complex shear modulus of the MR fluid is identified.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,771
Score d'incertitude au seuil0,220

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 Opus0,024
Tête enseignante GPT0,199
Écart entre enseignants0,175 · 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'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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVibration Control and Rheological FluidsTravaux en français237 207