MétaCan
Menu
Retour à la cohorte
Enregistrement W2782939756 · doi:10.1115/imece2017-70767

Statistical Linearization of Nonlinear Stiffness Matrix of Planetary Gear Train

2017· article· en· W2782939756 sur OpenAlexaff
Jalal Taheri Kahnamouei, Jianming Yang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueGear and Bearing Dynamics Analysis
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésNonlinear systemBacklashStiffnessLinearizationControl theory (sociology)Direct stiffness methodVibrationStiffness matrixRandom vibrationGear trainRestoring forceTime domainMatrix (chemical analysis)MathematicsEngineeringMathematical analysisComputer scienceStructural engineeringPhysicsAcousticsMaterials science

Résumé

récupéré en direct d'OpenAlex

Stochastic dynamic analysis of the planetary gear train is complicated and it becomes more challenging when the nonlinear term is considered in the equation. A backlash between gears’ teeth is one of the nonlinearity sources in the gearbox which changes the equation of random vibration to nonlinear. In this paper, the linearization of the random vibration of multi-degrees of freedom (MDOF) with nonlinear stiffness is examined for planetary gear trains. The method used to treat nonlinearity is the statistical linearization method (SL). At first, to achieve adequate accuracy, the time domain is divided into very small time intervals then SL is utilized in each time step. For each time step an equivalent linear stiffness matrix is calculated and replacs the nonlinear stiffness matrix. The comparison between equivalent stiffness and linear stiffness at each step has shown a good agreement.

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 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 enseignants0,175
Score d'incertitude au seuil0,227

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,242
Écart entre enseignants0,233 · 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.

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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGear and Bearing Dynamics AnalysisTravaux en français237 207