Identification of Dynamic Characteristics of Electrorheological Dampers Using a Combination of Least Squares and Radial Basis Function Neural Networks Techniques
Notice bibliographique
Résumé
Abstract Dynamic characteristics of electrorheological dampers are identified using a procedure that includes dynamic testing, modelling, and a combination of least squares and radial basis function neural networks techniques. A two-step computationally efficient and experimentally affordable approach is chosen to achieve this objective. In the first step, the response of the damper at a certain number of applied command voltages to harmonic excitation is determined and, using the least squares technique, the corresponding damper parameters are identified based on the Bingham viscoplastic model. Since the number of experiments is limited to discrete values of voltage, in the second step the radial basis function neural networks technique is implemented to identify the parameters of the model for any value of the command voltage in the experimentally investigated range. Comparison of the predicted responses of the investigated damper with the corresponding experimental results from the first step and examining of the generalization capability of the radial basis function neural networks in the second step, verified the ability of the whole procedure to successfully identify the model parameters for any arbitrary applied command voltages. Furthermore, by considering the flow index number in a Herschel–Bulkley model to be equal to 1 for the damper at higher speeds, the preliminary estimation of the impact response of the damper is determined using the identified parameters.
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 ».