MétaCan
Menu
Retour à la cohorte
Enregistrement W4310086065 · doi:10.3390/data7120171

Experimental and Nonlinear Finite Element Analysis Data for an Innovative Buckling Restrained Bracing System to Rehabilitate Seismically Deficient Structures

2022· article· en· W4310086065 sur OpenAlexaff
Abdul Saboor Karzad, Zaid A. Al-Sadoon, Abdullah Sagheer, Mohammad AlHamaydeh

Notice bibliographique

RevueData · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesAmerican University of SharjahUniversity of Sharjah
Mots-clésBracingStructural engineeringFinite element methodBucklingDisplacement (psychology)Bar (unit)Core (optical fiber)Nonlinear systemDuctility (Earth science)EngineeringComputer scienceGeologyMaterials scienceBraceComposite materialCreep

Résumé

récupéré en direct d'OpenAlex

This article presents experimental data and nonlinear finite element analysis (NLFEA) modeling for an innovative buckling restrained bracing (BRB) system. The data were collected from qualification testing of introduced BRBs per the AISC 341 test provision and finite element modeling. The BRB is made of three parts: core bar, restraining unit, and end units, in which duplicates of three different core bar cross sections (i.e., fully threaded, threaded notched, and smooth shaved) were tested. The BRBs introduced in this research come with innovative end parts, so-called fingers. These fingers provide the longitudinal gap required in every BRB system and simultaneously prevent buckling of the core bar at the end regions at both ends of the BRB sample, thus facilitating an easy core replacement if it gets damaged in the event of an earthquake. The measured parameters were the applied cyclic load and the corresponding displacement. Analysis of the acquired data illustrated an almost symmetric hysteric behavior with a little higher capacity under compression but a noticeable overall ductility of 4. Moreover, finite element modeling data for one type of core bar (fully threaded) were curated. The data presented in this paper will be valuable for fabricating BRBs in practice and further research on the topic considered.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,037
Tête enseignante GPT0,301
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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDataMême sujetSeismic Performance and AnalysisTravaux en français237 207