MétaCan
Menu
Retour à la cohorte
Enregistrement W2968603030 · doi:10.1109/access.2019.2935114

An Estimate Method of EPFM Constraint Parameter in 3D Cracked Structures for Sensor Structure Design

2019· article· en· W2968603030 sur OpenAlexafffund
Ping Ding, Xin Wang

Notice bibliographique

RevueIEEE Access · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueFatigue and fracture mechanics
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Key Research and Development Program of ChinaChongqing Municipal Education CommissionChongqing Technology and Business University
Mots-clésFinite element methodConstraint (computer-aided design)Enhanced Data Rates for GSM EvolutionEstimation theoryStructural engineeringMaterials scienceComputer scienceMathematicsAlgorithmGeometryEngineering

Résumé

récupéré en direct d'OpenAlex

An estimating method, which conveniently and quickly predicts solutions of constraint parameter A in J-A two-parameter approach of elastic-plastic fracture mechanics (EPFM), was developed and successfully applied on three-dimensional (3D) cracked structures under both uniaxial and biaxial loading condition. The method (estimate formula) forA value estimate was developed theoretically first. Then, based on the obtained numerical solutions of parameter A from finite element analysis (FEA), the coefficient values of the proposed estimate formula were determined for 3D single edge cracked plate (SECP) structures under both uniaxial and biaxial loading, to estimate solutions of parameter A for 3D SECP. Through comparing predicted parameter A values with their FEA numerical solutions from authors and other researchers, it is validated that the proposed estimating method can be used well to predict A values for thin 3D cracked structures. It enables the application of the EPFM J-A two-parameter approach on practical engineering structure analysis and design of sensor and other mechanical systems.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,035
Tête enseignante GPT0,336
Écart entre enseignants0,302 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetFatigue and fracture mechanicsTravaux en français237 207