MétaCan
Menu
Retour à la cohorte
Enregistrement W2050235330 · doi:10.1115/detc2011-47914

Decoupling of the Cartesian Stiffness Matrix: A Case Study on Accelerometer Design

2011· article· en· W2050235330 sur OpenAlexafffund
Ting Zou, Jorge Angeles

Notice bibliographique

RevueVolume 7: 5th International Conference on Micro- and Nanosystems; 8th International Conference on Design and Design Education; 21st Reliability, Stress Analysis, and Failure Prevention Conference · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueDynamics and Control of Mechanical Systems
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésCartesian coordinate systemStiffnessStiffness matrixDirect stiffness methodDecoupling (probability)Eigenvalues and eigenvectorsFinite element methodDiscretizationMathematicsBlock matrixMatrix (chemical analysis)Mathematical analysisGeometryStructural engineeringEngineeringPhysicsMaterials scienceControl engineering

Résumé

récupéré en direct d'OpenAlex

The 6 × 6 Cartesian stiffness matrix obtained through finite element analysis for structures designed with material and geometric symmetries may lead to unexpected coupling that stems from discretization error. Hence, decoupling of the Cartesian stiffness matrix becomes essential for design and analysis. This paper reports a numerical method for decoupling the Cartesian stiffness matrix, based on screw theory. With the aid of this method, the translational and rotational stiffness matrices can be analyzed independently. The mechanical properties of the decoupled stiffness submatrices are investigated via their associated eigenvalue analyses. The decoupling technique is applied to the design of two accelerometer layouts, uniaxial and biaxial, with what the authors term simplicial architectures. The decoupled stiffness matrices reveal acceptable compliance along the sensitive axes and high off-axis stiffness.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,907
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,057
Tête enseignante GPT0,300
Écart entre enseignants0,244 · 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.

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

Citations5
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVolume 7: 5th International Conference on Micro- and Nanosystems; 8th International Conference on Design and Design Education; 21st Reliability, Stress Analysis, and Failure Prevention ConferenceMême sujetDynamics and Control of Mechanical SystemsTravaux en français237 207