Condition assessment of structure with tuned mass damper using empirical wavelet transform
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Tuned mass damper (TMD) has been one of the most commonly used passive vibration control devices over the past few decades. While an optimally designed TMD can significantly suppress the structural vibration, detuning often occurs due to various reasons such as change in operating conditions or variation in primary structure properties, resulting in degradation of TMD’s performance. In order to restore its performance, it is necessary to estimate the modal properties of the primary structure, and perform the re-tuning process. Such an exercise requires powerful signal processing methods to successfully extract the structural modes in the presence of closely-spaced modes. This study focuses on the identification of modal frequencies and damping of the structure installed with a TMD. In view of the advantages and limitations of existing modal identification methods, this paper provides a new technique that combines the second-order blind identification (SOBI) method with the empirical wavelet transform (EWT) to delineate closely-spaced frequencies. While the SOBI method does not guarantee the separation of closely-spaced modes and suffers from the limitation of generating mode-mixed modal responses, the EWT operates on the modal responses estimated by the SOBI and yields the closely-spaced natural frequencies. The proposed method is illustrated using a six-story simulation model with a wide range of detuning cases. An experiment on a three-story bench-scale model equipped with a TMD is also conducted to validate the applicability of the proposed method.
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.
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 | 0,000 |
| 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 découle