MétaCan
Menu
Retour à la cohorte
Enregistrement W4403479225 · doi:10.3390/applmech5040039

Strengthening Transformer Tank Structural Integrity through Economic Stiffener Design Configurations Using Computational Analysis

2024· article· en· W4403479225 sur OpenAlexaff
M. M. Faruque Hasan, Arafater Rahman, Asif Islam, Mohammad Abu Hasan Khondoker

Notice bibliographique

RevueApplied Mechanics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePower Transformer Diagnostics and Insulation
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésTransformerStructural integrityStructural engineeringComputer scienceEngineeringElectrical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

Power transformers play a vital role in adjusting voltage levels during transmission. This study focuses on optimizing the structural design of power transformer tanks, particularly high-voltage (HV) tank walls, to enhance their mechanical robustness, performance, and operational reliability. This research investigates various stiffener designs and their impact on stress distribution and deformation through finite element analysis (FEA). Ten different configurations of stiffeners, including thickness, width, type, and position variations, were evaluated to identify the optimal design that minimizes stress and deflection while considering weight constraints. The results indicate that specific configurations, particularly those incorporating 16 mm thick H beams, significantly enhance structural integrity. Experimental validation through pressure testing corroborated the simulation findings, ensuring the practical applicability of the optimized designs. This study’s findings have implications for enhancing the longevity and reliability of power transformers, ultimately contributing to more efficient and resilient power transmission 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,028
Tête enseignante GPT0,259
Écart entre enseignants0,231 · 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'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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied MechanicsMême sujetPower Transformer Diagnostics and InsulationTravaux en français237 207