MétaCan
Menu
Retour à la cohorte
Enregistrement W4386323815 · doi:10.1371/journal.pone.0290427

Study the muti-bolt fastening under different load positions in gear rack drilling rig

2023· article· en· W4386323815 sur OpenAlexaff
Jiangang Wang, Lei Shi, Ding Feng, Yiliu Tu

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical stress and fatigue analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Major Science and Technology Projects of ChinaNational Natural Science Foundation of China
Mots-clésRackBolted jointStructural engineeringFinite element methodStiffnessLoad distributionMechanism (biology)Drilling rigEngineeringDrillingMechanical engineering

Résumé

récupéré en direct d'OpenAlex

During the operation of drilling rigs, bolts are subjected to significant loads, rendering bolt groups vulnerable to failure due to uneven load distribution. This study investigates the multi-bolt load distribution characteristics of eight-gear and four-gear symmetric transmission mechanisms in drilling rigs. The spring stiffness method is utilized to analyze multi-bolt load distribution. A finite element model of the bolted connection is developed by integrating the structural shape and transmission mechanism. The model's accuracy is validated through a rack strain test under various loads. Based on the finite element analysis results, this study proposes an evaluation method for bolted connections using relative deformation difference. The impacts of bolt pitch, end distance, preload, and thickness of the derrick connection plate under different load positions on the connection are examined. This paper presents a methodology and conclusions that can inform the design of bolted connections for heavy-duty drive systems.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,082
Tête enseignante GPT0,245
Écart entre enseignants0,164 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMechanical stress and fatigue analysisTravaux en français237 207