Towards improved understanding of naval ship structural performance via virtual hull monitoring
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
Weight-optimised ships, such as High Speed Light Craft (HSLC), are operated by navies around the world. Naval ships must perform in harsh and contested ocean environments. Operations in high sea states result in large linear and nonlinear ship motions which in turn, induce significant loads on ship structures and accelerate structural fatigue. Monitoring and assessment of fatigue on ship structures is important for navies, to understand the performance, limitations, and life-cycle costs of their ships. An established method for monitoring structural responses is via long-term measurements, using Instrumented Hull Monitoring (IHM). However, this approach is generally too resource-intensive to be implemented on a broad scale. Virtual Hull Monitoring (VHM) is a technique to couple on-board ship data, such as Global Positioning System (GPS) data, with hindcast wave data. The resulting enriched dataset enables robust numerical fatigue analysis, because the structural responses are related to the encountered wave environment, rather than based on global wave statistics. Thus, the concept of VHM is receiving increased attention in both commercial and military sectors. This is due to its low cost and the relative ease of implementation compared to IHM. Using a Royal Australian Navy HSLC as the test bed, this study presents an investigation into the feasibility of VHM by comparing results with available IHM data. An efficient framework was developed in PythonTM to extract and couple hindcast wave data to ship speed and position, calculating the resultant stresses on the ship structure, and comparing with the measured stresses from IHM. The novel aspects of this work include the use of a semi-displacement hullform, and the utilisation of both sea-trials and long-term measurements. The study shows promising results for VHM. Finally, recommendations for further work are provided.
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 | 0,001 |
| 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 découle