MétaCan
Menu
Retour à la cohorte
Enregistrement W2027073480 · doi:10.1155/2014/670683

Predictive Control for Earthquake Response Mitigation of Buildings Using Semiactive Fluid Dampers

2014· article· en· W2027073480 sur OpenAlexaff
F. S. B. F. Oliveira, P. Gil de Morais, Afzal Suleman

Notice bibliographique

RevueShock and Vibration · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensUniversity of Victoria
Organismes subventionnairesFundação para a Ciência e a Tecnologia
Mots-clésDamperControl theory (sociology)Controller (irrigation)EngineeringParametric statisticsAccelerationDisplacement (psychology)Structural engineeringBase (topology)Frame (networking)Observer (physics)Vibration controlComputer scienceControl (management)VibrationMathematics

Résumé

récupéré en direct d'OpenAlex

A predictive control strategy in conjunction with semiactive control algorithms is proposed for damping control of base-isolated structures employing semiactive fluid dampers when subjected to earthquake loads. The controller considers the delays resulting from the device’s dynamics and an observer for state estimation. Twenty artificial accelerograms were generated according to the Eurocode 8 for the Portuguese territory and considered for the numerical simulations of the base-isolated structure representative model. The results of a parametric study on a single degree of freedom model provide an indication for controller design in this type of problems. To evaluate the effectiveness of the proposed strategies, the response of a 10-storey base-isolated dual frame-wall building employing semiactive systems is compared with the original, passive solution and with an earlier proposed optimal controller for this type of problems. It is shown that a well-tuned controller could outperform the original structure, the structural system with a passive device (optimized) as well as with the semiactive optimal controller, in terms of relative displacement and absolute acceleration reductions.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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 ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,208 · 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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueShock and VibrationMême sujetVibration Control and Rheological FluidsTravaux en français237 207