MétaCan
Menu
Retour à la cohorte
Enregistrement W2013049191 · doi:10.1142/s0219876204000150

NOVEL COUPLING CONSTRAINT TECHNIQUE FOR EXPLICIT FINITE ELEMENT ANALYSIS

2004· article· en· W2013049191 sur OpenAlexaff
Rong-Tai Ho, S. A. Meguid, R. G. Sauve ́

Notice bibliographique

RevueInternational Journal of Computational Methods · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueComposite Structure Analysis and Optimization
Établissements canadiensAtomic Energy (Canada)University of Toronto
Organismes subventionnairesnon disponible
Mots-clésFinite element methodRobustness (evolution)Constraint (computer-aided design)Nonlinear systemComputer scienceAlgorithmTensor (intrinsic definition)SalientContext (archaeology)Coupling (piping)Rotation (mathematics)Representation (politics)MathematicsMathematical optimizationGeometryStructural engineeringEngineeringArtificial intelligencePhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a unified novel technique for enforcing nonlinear beam-to-shell, beam-to-solid, and shell-to-solid constraints in explicit finite element formulations. The limitations of classical multi-point constraint approaches are examined at length, particularly in the context of explicit solution schemes. Novel formulation of a generalized constraint method that ensures proper element coupling is then presented, and its computer implementation in explicit integration algorithms is discussed. Crucial in this regard is the accurate and efficient representation of finite rotations, accomplished using an incremental rotation tensor. The results of some illustrative test cases show the accuracy and robustness of the newly developed algorithm for a wide range of deformation, including that in which large rotations are encountered. When compared to existing works, the salient features of the current method are in evidence.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,018
Tête enseignante GPT0,350
Écart entre enseignants0,331 · 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

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computational MethodsMême sujetComposite Structure Analysis and OptimizationTravaux en français237 207