Application of finite element analysis in properties test of finger-jointed lumber
Notice bibliographique
Résumé
Finger-jointed lumber production has now become the most extensively used method for spliced lumbers jointing together endwise. The properties of finger-jointed lumber are affected by many different factors such as the end- pressure. The main mechanical properties to be tested for structural use finger-jointed lumber include the modulus of elasticity in static bending and the bending strength. The most commonly used method for testing these properties at present is the experimental test. In this study, we used finite element method to investigate the end-pressure range, the modulus of elasticity in static bending and the bending strength for Pinus sylvistriv var. finger-jointed lumber under three different fitness ratios (0 mm, 0.1 mm, 0.3 mm). With finite element analysis (FEA) modelling results compared with the experimental test results, it is possible to find the relationship between these two kinds of results and use the FEA to predict the properties of finger-jointed lumber. The FEA applied in the end pressure tests showed a narrower range compared with the modelling results. It indicated that the FEA could be used in the prediction of the end pressure for finger-jointed lumber. The modelling results for modulus of elasticity (MOE) test and bending strength (MOR) test showed about 20% discrepancies compared with the experimental results. Moreover, the MOE modelling results showed the same trend as experimental results under three different fitness levels while the MOR modelling results showed the different trend. It can be concluded that the FEA is a feasible way in analysing the properties of finger-jointed lumber if the errors could be eliminated properly. Some modifications should be made in order to realize the prediction of the properties of finger-jointed lumber more accurately.
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 ».