MétaCan
Menu
Retour à la cohorte
Enregistrement W4388873992 · doi:10.1115/detc2023-117079

Non-Smooth Reduced Interface Models and Their Use in Co-Simulation of Mechanical Systems

2023· article· en· W4388873992 sur OpenAlexaff
Ali Raoofian, Xu Dai, József Kövecses

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueSimulation Techniques and Applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInterconnectivityInterface (matter)MacroComputer scienceConsolidation (business)Stability (learning theory)Interval (graph theory)Information transferSimulationMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract In a co-simulation setup, the entire system is decomposed into a collection of individual subsystems that are interfaced together, with each subsystem being modelled and integrated separately according to its own requirements. To maintain the interconnectivity and consolidation of the primary system, these subsystems must communicate with each other through the interface and transfer certain information at the end points of a defined time interval termed macro time step. Inside the macro time step, the evolution of the interface variables has to be approximated as information about them will only be available again at the end of the step. In real-time simulations, the size of the macro time step and the accuracy of the approximated interface variables are critical factors; if the interface variables are approximated accurately, the size of the macro time step can be kept large enough to provide interactive rates without loss of accuracy and stability. This work focuses on systems where unilateral contact interactions are important and proposes reduced interface model concepts for such non-smooth systems. The use of the proposed reduced interface model (RIM) is demonstrated in co-simulation to provide model-based approximation of the interface variables. The advantages of the proposed method are demonstrated through two representative case studies.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,258
Tête enseignante GPT0,450
Écart entre enseignants0,192 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSimulation Techniques and ApplicationsTravaux en français237 207