Simulation of Sloped-Bed Tuned Liquid Dampers Using a Nonlinear Shallow Water Model
Notice bibliographique
Résumé
This research aims to develop an efficient and accurate model for simulating tuned liquid dampers (TLDs) with sloped beds. The model, based on nonlinear shallow water equations, is enhanced by introducing new terms tailored to each specific case. It employs the central upwind method and Minmod limiter functions for flux and interface variable assessment, ensuring both high accuracy and reasonable computational cost. While acceleration, slope, and dissipation are treated as explicit sources, an implicit scheme is utilized for dispersion discretization to enhance the model’s stability, resulting in matrix equations. Time discretization uses the fourth-order Runge–Kutta scheme for precision. The performance of the model has been evaluated using several test cases including dam-breaks on flat and inclined beds and run-up and run-down simulations over parabolic beds, which are relevant to sloshing in tanks with sloped beds. It accurately predicts phenomena such as asymmetric sloshing waves, especially in sloped beds, where pronounced waves occur. Dispersion and dissipation terms are crucial for capturing these effects and maintaining stable wave patterns. An initial perturbation method assesses the tank’s natural period and numerical diffusion. Furthermore, the model integrates with a single-degree-of-freedom (SDOF) system to create a TLD model, demonstrating enhanced damping effects with sloped beds.
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 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 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».