MétaCan
Menu
Retour à la cohorte
Enregistrement W4383198512 · doi:10.1063/5.0156487

A homotopy analysis method for forced transverse vibrations of simply supported double-beam systems with a nonlinear inner layer

2023· article· en· W4383198512 sur OpenAlexaff
Kabutakapua Kakanda, Hongbo Zhu, Musumari Herman, Panick Kalambay, Zhaolong Han, Yan Bao, Mengmeng Zhang, Dai Zhou

Notice bibliographique

RevueAIP Advances · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueFractional Differential Equations Solutions
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesShanghai Jiao Tong UniversityNational Natural Science Foundation of China
Mots-clésPartial differential equationNonlinear systemMathematicsHomotopy analysis methodDeflection (physics)Ordinary differential equationHomotopyMathematical analysisGalerkin methodTransverse planeBeam (structure)Differential equationPhysicsClassical mechanicsStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The present study introduces a novel algorithm based on the homotopy analysis method (HAM) to efficiently solve the equation of motion of simply supported transversely and axially loaded double-beam systems. The original HAM was developed for single partial differential equations (PDEs); the current formulation applies to systems of PDEs. The system of PDEs is derived by modeling two prismatic beams interconnected by a nonlinear inner layer as Euler–Bernoulli beams. We employ the Bubnov–Galerkin technique to turn the PDEs’ system into a system of ordinary differential equations that is further solved with the HAM. The flexibility and straightforwardness of the HAM in computing time-dependent components of the system’s transverse deflection and natural frequencies, in conjunction with the observed fast convergence, offer a robust semi-analytical method for analyzing such systems. Finally, the transverse deflection is built through the modal superposition principle. Thanks to a judicious and high-flexibility selection of initial guesses and convergence control parameters, numerical examples confirm that at most six iterations are needed to achieve convergence, and the results are consistent with the selected benchmark cases.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
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 savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,074
Tête enseignante GPT0,388
Écart entre enseignants0,314 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP AdvancesMême sujetFractional Differential Equations SolutionsTravaux en français237 207