Modeling and Calibration for Crack Detection in Circular Shafts Supported on Bearings Using Lateral and Torsional Vibration Measurements
Notice bibliographique
Résumé
In this paper the requisite foundational numerical and experimental investigations that are carried out, to model the “uncracked and cracked” shaft and to identify its bending and torsional vibration responses, are reported. The cylindrical shaft used in this experimental study is continuous over two spans (with a cantilever span carrying a propeller) with ball-bearing supports. During modal tests the backward end of shaft (away from the propeller end and connecting it to an electric motor, required for online monitoring) is fixed to one of the test frame supports; later on this backward end will be connected to an electric motor to carry out online modal monitoring for crack identification. In the numerical study, beam elements are used for modeling the bending and torsional vibrations of the rotating shaft. The paper describes in detail the numerical “linear spring” models developed for representing the effects of “ball bearings and the (experimental test) frame supports” on the vibration frequencies. Shaft response parameters are obtained using modal analysis software, LMS Test Lab, for bending vibrations monitored using accelerometers, and three “sets” of shear strain gages fixed at three different shaft locations measure the torsional vibrations. Effects of different crack depths on bending and torsional frequencies and mode shapes are investigated experimentally and numerically, and the results interpreted to give better comprehension of its vibratory behavior.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».