Impact of support stiffness on the performance of negative stiffness dampers for vibration control of stay cables
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bridge stay cables are susceptible to dynamic excitations due to their low intrinsic damping and lateral stiffness. Installation of transverse passive dampers near the cable-deck anchorage on a rigid/flexible support is one of the practical measures to mitigate cable vibrations. The limited performance of conventional positive stiffness dampers (PSDs) has led to the emergence of negative stiffness dampers (NSDs). Recent research has found that unlike PSD, NSD would perform more effectively in the presence of a flexible support. In this study, the impact of damper support stiffness on the NSD control performance is investigated. Based on an existing analytical design formula for achieving a target damping ratio, the design of NSD for a given support condition, the design of damper support for a given NSD, and the design of the entire NSD-support system are addressed. An optimization algorithm is proposed to identify the optimum combination of NSD parameters and damper support stiffness. The NSD design is refined through numerical iterations to minimize the impact of assumptions made in developing the analytical formulation. A numerical example is presented for a 325 m long stay cable equipped with an optimized NSD and subjected to harmonic excitation. The optimized NSD performance is compared with an optimal active linear-quadratic regulator (LQR) controller. Results show that the presence of flexible support leads to a cost-efficient NSD with smaller size and lower level of negative stiffness. Moreover, the optimized NSD is shown to be as effective as LQR to suppress cable vibrations.
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.
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) | 0,001 | 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 découle