MétaCan
Menu
Retour à la cohorte
Enregistrement W4402477395 · doi:10.11159/icceia24.128

Integration of Finite Element Simulations and Experimental Validation in the Analysis of Demountable Clamp Joints for Steel Structures

2024· article· en· W4402477395 sur OpenAlexvenueno aff
Fernando Nunes Cavalheiro, Manuel Cabaleiro, Borja Conde, Brais Barros

Notice bibliographique

RevueProceedings of the World Congress on New Technologies · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Load-Bearing Analysis
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Estatal de InvestigaciónUniversidade de VigoEuropean Commission
Mots-clésFinite element methodStructural engineeringClampComputer scienceEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This investigation provides a rigorous assessment of demountable clamp joints in steel structures through the combined application of Finite Element Method (FEM) simulations and empirical testing.Targeting the gap in current research on the mechanical performance and sustainability implications of such joints, the study delineates their efficacy in facilitating reversible, non-invasive connections in structural engineering applications.Quantitative analysis reveals a strong alignment between FEM predictions and experimental data, validating the FEM model's capability to represent the joints' behavior under diverse loading scenarios accurately.This concordance reinforces the potential of clamp joints as a sustainable alternative to traditional methods, supporting reversible constructions and reducing environmental impact.The research methodically underscores the necessity for iterative refinement of simulation models, guided by empirical insights to enhance predictive accuracy and reliability.By integrating advanced simulation techniques with precise experimental validations, this study advances sustainable structural design practices, emphasizing the critical role of demountable clamp joints in the evolution of efficient and adaptable engineering solutions.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,280

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,020
Tête enseignante GPT0,279
Écart entre enseignants0,259 · 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'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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on New TechnologiesMême sujetStructural Load-Bearing AnalysisTravaux en français237 207