MétaCan
Menu
Retour à la cohorte
Enregistrement W2533489789 · doi:10.1115/omae2016-54911

Hydrodynamic Analysis and Optimization of a Hinged Type Wave Energy Converter

2016· article· en· W2533489789 sur OpenAlexaffabout
Yuzhu Li, Heather Peng, Wei Qiu, Brian Lundrigan, Tim Gardiner

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWave and Wind Energy Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésHullWave energy converterHingeDamperMarine engineeringEngineeringStructural engineeringTrussSpring (device)Energy (signal processing)Response analysisNumerical analysisPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

SeaWEED (Sea Wave Energy Extraction Device) is a multi-body floating wave energy converter (WEC) with hinged joints developed by Grey Island Energy Inc. (GIE) in Canada. Initial conceptual studies have been carried out to evaluate the performance of the first generation device by testing a 1:16 scale model in a wave basin. The experimental results were compared with the numerical solutions. Based on the experimental studies, improvements were made and a second generation model with a new geometry of the hull and a new connection structure was developed. This paper is mainly focused on the numerical analysis and optimization of the second generation SeaWEED model. In the numerical studies, the hydraulic power take-off (PTO) system was simulated by a linear spring damper system coupled with the motion of the hinged bodies. The vertical hinge motion was computed at a series of wave periods using WAMIT. Optimization was focused on the PTO damping and the geometrical parameters in terms of the draft and the length of the truss structure between hinged bodies by using the response surface method. An optimal combination of length, draft and PTO damping was recommended for an intended operation location.

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: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

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

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 Opus0,006
Tête enseignante GPT0,164
Écart entre enseignants0,158 · 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

Citations5
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetWave and Wind Energy SystemsTravaux en français237 207