MétaCan
Menu
Retour à la cohorte
Enregistrement W3214007566 · doi:10.1115/detc2021-68459

Vibration Analysis of Beams Using Alternative Admissible Functions With Penalties

2021· article· en· W3214007566 sur OpenAlexaff
Srividyadhare Kateel, Natalie Baddour

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésEigenfunctionBoundary value problemBeam (structure)VibrationBoundary (topology)Timoshenko beam theoryMathematical analysisMathematicsEuler's formulaNormal modeBernoulli's principleMode (computer interface)StiffnessEigenvalues and eigenvectorsComputer sciencePhysicsStructural engineeringEngineeringAcousticsOptics

Résumé

récupéré en direct d'OpenAlex

Abstract Assumed mode methods are often used in vibrations analysis, where the choice of assumed mode affects the stability and useability of the method. System eigenfunctions are often used for these expansions, however a change in the boundary conditions usually results in a change in eigenfunction. This paper investigates the use of Alternative Admissible Functions (AAF) with penalties for the vibration analysis of an Euler-Bernoulli beam for different boundary conditions. A key advantage of the proposed approach is that the choice of AAF does not depend on the boundary conditions since the boundary conditions are modelled via penalty functions. The mathematical formulation of the system matrices, and the effect of beam geometry changes on the computed natural frequencies and modeshapes are presented. The computed natural frequencies and mode shapes show an excellent agreement when compared with closed-form Euler-Bernoulli beam values. The study reveals that with an increase in the stiffness of the beam, the values of the penalties need to be increased. The results of this study suggest that boundary conditions, as well as beam geometrical parameters should be considered when selecting appropriate values of the penalties.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,032
Tête enseignante GPT0,297
Écart entre enseignants0,265 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Health Monitoring TechniquesTravaux en français237 207