MétaCan
Menu
Retour à la cohorte
Enregistrement W2585473327 · doi:10.22360/summersim.2016.icbgm.023

Dynamic Analysis of a Deep Water Marine Riser using Bond Graphs

2016· article· en· W2585473327 sur OpenAlexaff
Geoff Rideout, Stephen Butt

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical stress and fatigue analysis
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésDrilling riserStructural engineeringTension (geology)Beam (structure)VibrationBendingPlanarBond graphEngineeringCompression (physics)MechanicsMaterials scienceComputer sciencePhysicsMechanical engineeringAcousticsDrillingMathematicsComposite material

Résumé

récupéré en direct d'OpenAlex

This paper describes a lumped segment model of a deep water riser using the bond graph method. The model allows calculation of the dynamic response, and resulting normal stress, of the riser pipe due to bending, tension and compression. Marine risers are subjected to diverse dynamic loads such as the force exerted by the waves and the vessel's motion. The cyclic nature of these loads will induce fluctuating stresses that, after a certain time, will result in failure by fatigue. Therefore, the dynamic analysis of the riser's response is very important for the prediction of the fatigue life. In this paper, the riser is modeled as a beam with both lateral and axial degrees of freedom. The beam is divided into lumped segments that are modeled as planar rigid bodies joined together by springs representing the pipe's compliance in shear, tension, and bending. An analysis of the common external loads is made. A 16-inch diameter marine riser for deep water conditions is modeled to verify the usefulness of the lumped model technique, and then simulated using the software 20-Sim©. Results show that the external axial loads significantly affect not only the axial response but also the lateral vibrations.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,906
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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)0,0040,000

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 Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,205 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMechanical stress and fatigue analysisTravaux en français237 207