MétaCan
Menu
Retour à la cohorte
Enregistrement W4311402198 · doi:10.1177/1045389x221142087

Evaluation of flow-induced vibration suppression performances of magneto-rheological damping pipe clamp using PID algorithm

2022· article· en· W4311402198 sur OpenAlexaff
Ruidong Hong, Songlin Nie, Hui Ji, S. Nie, Fei Gong

Notice bibliographique

RevueJournal of Intelligent Material Systems and Structures · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensUniversity of Toronto
Organismes subventionnairesBeijing Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésPID controllerControl theory (sociology)VibrationMagnetorheological fluidEngineeringDisplacement (psychology)Vibration controlClampStep responseAccelerationFlow (mathematics)Structural engineeringAcousticsMechanical engineeringControl engineeringMechanicsComputer sciencePhysicsTemperature control

Résumé

récupéré en direct d'OpenAlex

In order to suppress the low-frequency flow-induced vibration of fluid conveying pipeline, this paper develops a magnetorheological damping (MRD) pipe clamp due to its simple structure and strong dynamic adjustability. The mechanical dynamic model of MRD pipe clamp is established, and the vibration control algorithm based on PID is simulated. Comparison analysis on the vibration damping performance of the MRD pipe clamp under uncontrol, passive control, and PID control are conducted. The damping performances of MRD pipe clamp are tested under uncontrol, passive control, and PID control algorithm. The experiment results exhibited that the attenuation rate of each axial displacement and acceleration of pipe system using PID algorithm were more than 80% under sinusoidal excitation force of 600 N and excitation frequency of 2.5 Hz. The experiment results have verified the correctness of the simulation analysis in terms of value and trend. This research will provide the guide for the design and engineering application of MRD pipe clamp system.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,540
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,033
Tête enseignante GPT0,264
Écart entre enseignants0,231 · 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'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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intelligent Material Systems and StructuresMême sujetVibration Control and Rheological FluidsTravaux en français237 207