MétaCan
Menu
Retour à la cohorte
Enregistrement W3170753871 · doi:10.1088/1755-1315/774/1/012130

Calibration of critical speed predictions using experimental measurements

2021· article· en· W3170753871 sur OpenAlexaff
Quentin Dollon, Christine Monette, M Gagnon, Antoine Tahan, Jérôme Antoni

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueGear and Bearing Dynamics Analysis
Établissements canadiensHydro-QuébecAndritz (Canada)
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)CalibrationCritical speedComputationComputer scienceModalRotation (mathematics)BendingRotational speedModal analysisSimulationAlgorithmAcousticsStructural engineeringEngineeringMechanical engineeringMathematicsStatisticsPhysicsArtificial intelligenceFinite element methodMaterials sciencePower (physics)

Résumé

récupéré en direct d'OpenAlex

Abstract Experimental characterization of structures provides information about the real dynamic behavior of machineries. This results in a better estimation of dynamic stress levels, used to predict lifespan, reliability and optimal operating ranges. Experimental results can also be used to improve and calibrate simulations and calculations. In particular, calculation of shaft bending frequencies is needed to define the critical rotation speed. However, natural frequency computation requires a prior knowledge on many subcomponent properties, that are not precisely known in practice. This leads to a great uncertainty on the predicted critical speed. The purpose of this study is to use experimental in-situ measurements as a means to reduce uncertainties on physical properties of the shaft line and increase confidence in the prediction of natural frequencies and critical speed. This involves ambient modal analysis, calibration techniques and statistical approaches to gain insight on the true shaft physical properties.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,028
Tête enseignante GPT0,229
Écart entre enseignants0,201 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetGear and Bearing Dynamics AnalysisTravaux en français237 207