MétaCan
Menu
Retour à la cohorte
Enregistrement W2344557021 · doi:10.12989/sss.2015.16.5.807

Semi-active control of seismic response of a building using MR fluid-based tuned mass damper

2015· article· en· W2344557021 sur OpenAlexaboutno aff
Kambiz Esteki, Ashutosh Bagchi, Ramin Sedaghati

Notice bibliographique

RevueSmart Structures and Systems · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTuned mass damperDamperVibration controlStructural engineeringDisplacement (psychology)Settling timeReduction (mathematics)VibrationEngineeringMagnetorheological fluidControl theory (sociology)Computer scienceControl (management)PhysicsStep responseAcousticsControl engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

While tuned mass dampers are found to be effective in suppressing vibration in a tall building, integrating it with a semi-active control system enables it to perform more efficiently. In this paper a forty-story tall steel-frame building designed according to the Canadian standard, has been studied with and without semi-active and passive tuned mass dampers. The building is assumed to be located in the Vancouver, Canada. A magneto-rheological fluid based semi-active tuned mass damper has been optimally designed to suppress the vibration of the structure against seismic excitation, and an appropriate control procedure has been implemented to optimize the building's semi-active tuned mass system to reduce the seismic response. Furthermore, the control system parameters have been adjusted to yield the maximum reduction in the structural displacements at different floor levels. The response of the structure has been studied with a variety of ground motions with low, medium and high frequency contents to investigate the performance of the semi-active tuned mass damper in comparison to that of a passive tuned mass damper. It has been shown that the semi-active control system modifies structural response more effectively than the classic passive tuned mass damper in both mitigation of maximum displacement and reduction of the settling time of the building.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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 ouverte0,0000,000
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 Opus0,019
Tête enseignante GPT0,235
Écart entre enseignants0,216 · 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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Structures and SystemsMême sujetVibration Control and Rheological FluidsTravaux en français237 207