A numerical modelling framework for vibration assessment of timber composite floors in mass timber buildings
Notice bibliographique
Résumé
Timber composite floors are vulnerable to human-induced vibrations due to their low weight and long spans used in office buildings. Introducing concrete into timber panels is a common approach to enhance the vibration performance of long-span timber floors. While the effects of certain parameters on the vibration performance of timber composite floors have been extensively studied in laboratory settings, and some numerical models have been proposed, predictions are often sensitive to variations in input parameters. Many of these numerical models are “calibrated” using test data from specific experiments (e.g., connection or 4-point bending tests) conducted on specific laboratory floors and may not be applicable to real building floors. This paper presents a comprehensive physics-based finite element (FE) modelling framework aimed at accurately predicting the vibration characteristics (i.e. frequency and acceleration) of long-span Timber Concrete Composite (TCC) floors and understanding the vibration response of composite floors. The accuracy of the approach is examined by comparing modelling predictions against test data for a 9 m (∼30 ft) composite floor within a real office building. The application of analytical equations for predicting floor static stiffness, and frequency, and limitations of simple approaches suggested in some standards are discussed. The developed framework is shown to be a valuable tool for benchmarking the impact of various boundary conditions and input parameters recommended in design guides. Specifically, the effects of key parameters, including the dynamic modulus of concrete, shear stiffness of glulam beam-to-CLT and CLT-to-concrete connectors, and the stiffness of beam-to-beam connections are demonstrated and discussed. • Numerical framework to study static and dynamic behaviour of timber composite floors. • Application of analytical equations for predicting floor stiffness and frequency. • Model validation employing experimental data from walking tests on a real floor. • Parametric studies to quantify the role of various design parameters. • Significant impact of adjacent bays and connections on floor's acceleration response.
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 | 0,001 | 0,001 |
| 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 ».