Analysis and Design Optimization of a Magnetorheological Elastomer-based Vibration Absorber for Maximum Vibration Attenuation of a Main Structure
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
View Video Presentation: https://doi.org/10.2514/6.2022-0165.vid Adaptive tuned vibration absorbers (ATVAs) can be effectively utilized in attenuation of unwanted vibrations on a broad range of structures and machinery. The present study, investigates the performance and design optimization of a newly introduced magnetorheological elastomer based adaptive vibration absorber (MRE-AVA) attached to a beam-like host structure. This light-weight vibration absorber consists of a sandwich beam treated with an MRE core layer and two electromagnets installed at both free ends which act as active masses and also provide the required magnetic field for activation of MRE. The host structure considered here is a fixed-fixed aluminum beam clamped at the center to the designed MRE-AVA. First, the mechanical finite element (FE) and magnetic models of the vibration absorber assembly and the host structure are developed. Then, the optimization problem is formulated subjected to mechanical stress and geometrical constraints, with the objective of maximizing the vibration attenuation of the host structure based on driving point mobility analysis. The Sequential Quadratic Programming (SQP) optimization method is utilized to find sub-optimal design candidates for the MRE-AVA. The best design candidate for the vibration absorber provides 99% and 64% decrease in the level of mobility compared to the main structure without absorber around the first and second modes, respectively, while maintaining nearly 16 % adaptive frequency range.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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