Optimal Design of Multiple Tuned Mass Dampers to Reduce Vibrations of a Ram-Type Structure With Varying Dynamics via a Control Theoretic Framework
Notice bibliographique
Résumé
Abstract This paper investigates the use of a linear time-invariant (LTI) control framework to optimally design multiple tuned mass dampers (TMDs) that minimize unwanted vibrations caused by exogenous disturbance forces to a ram-type structure with varying dynamic characteristics. A key challenge for the development of the LTI control framework is the reformulation of the TMDs’ design parameters, which consist of linear and nonlinear parameters as static feedback gains. This paper proposes the use of extra cascade control inputs to reformulate the optimization problem into an LTI control framework for the simultaneous optimization of linear (i.e., stiffness and damping) and nonlinear (i.e., location) parameters. A rigid planar system with multiple attached TMDs is developed as a mathematical model. It is reconstituted as an LTI framework by connecting a control input for the location parameter with control inputs for the stiffness and damping parameters. The model is then optimized using multi-model H∞ synthesis. A commercial gantry-type machining center is used to validate the proposed approach. Results from the simulation and experiment show that the optimized multiple TMDs systematically designed by this approach improve the system's dynamic stiffness by up to 83% and increase the allowable maximum depth of cut from 1 mm to 1.5 mm.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».