MétaCan
Menu
Retour à la cohorte
Enregistrement W2073313926 · doi:10.1080/13632460601031326

Testing of Superelastic Recentering Pre-Strained Braces for Seismic Resistant Design

2007· article· en· W2073313926 sur OpenAlexaff
Pierre Lafortune, Jason McCormick, Reginald DesRoches, Patrick Terriault

Notice bibliographique

RevueJournal of Earthquake Engineering · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésBracingSMA*Structural engineeringEarthquake shaking tableShape-memory alloyFinite element methodSteel frameFrame (networking)Materials scienceEngineeringComputer scienceMechanical engineeringComposite materialBrace

Résumé

récupéré en direct d'OpenAlex

Over the past decade, the use of shape memory alloys (SMAs) in passive control devices has been explored. Nevertheless, some aspects in regards to the cyclic behavior of SMAs and the effect of pre-straining need to be clarified. In this study, small-scale shake table tests have been performed to explore the effectiveness of SMA bracing systems as compared to steel bracing systems. The reduced-scale experimental results imply that SMAs used in braces are more effective in controlling the response of a steel frame compared with a traditional bracing system. A finite element model (FEM) of the frame is developed in order to compare the analytical results with the shake table tests. Further, the effect of pre-straining the SMA braces is evaluated through both experimental and analytical studies. The results show that pre-straining improves the performance of the frame compared to the nonpre-strained case. However, as the level of pre-straining increases above approximately 1.0% to 1.5%, the benefits of pre-straining decrease compared with low-to-moderate pre-strain levels.

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)0,003
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,019
Tête enseignante GPT0,223
Écart entre enseignants0,204 · 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

Citations31
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Earthquake EngineeringMême sujetSeismic Performance and AnalysisTravaux en français237 207