MétaCan
Menu
Retour à la cohorte
Enregistrement W2937079130 · doi:10.29173/mocs56

Testing and numerical analysis on cold-formed steel shear walls using corrugated steel sheathing

2017· article· en· W2937079130 sur OpenAlexvenueno aff
Wenying Zhang, Yuanqi Li, Cheng Yu

Notice bibliographique

RevueModular and Offsite Construction (MOC) Summit Proceedings · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Load-Bearing Analysis
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Civil, Mechanical and Manufacturing InnovationNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésStructural engineeringShear wallCold-formed steelShear (geology)Parametric statisticsStiffnessFinite element methodSteel plate shear wallMaterials scienceEngineeringGeotechnical engineeringComposite materialMathematics

Résumé

récupéré en direct d'OpenAlex

Cold-formed steel framed shear wall sheathed with corrugated steel sheets is a promising shear wall system for low- and mid-rise constructions at high wind and seismic zones due to its advantages of non-combustibility, high shear strength, and high shear stiffness. Monotonic and cyclic tests on full-scale wall assemblies using corrugated steel sheathing was conducted. To investigate the effect of vertical/gravity loading, shear wall specimens were tested under two different loading conditions: lateral loading, and a combined lateral and vertical/gravity loading. The test results are presented and discussed in this paper. Besides, finite element model of the proposed shear wall was created in Abaqus software. The validity of the numerical model was verified based on the test results. A series of parametric analysis were conducted, including the thickness of framing members, the cross section of stud members, yield strength of the frame members, stud spacing, and the influence of gravity loads. The detailed modeling information, relevant parametric analysis and recommendations for practical application of this type of shear resisting system are also presented.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,749
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
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 Opus0,019
Tête enseignante GPT0,231
Écart entre enseignants0,212 · 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'étudeObservationnel
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModular and Offsite Construction (MOC) Summit ProceedingsMême sujetStructural Load-Bearing AnalysisTravaux en français237 207