MULTI-ELEMENT HYBRID SIMULATIONS ON STEEL STRUCTURES: ADVANCEMENTS, CHALLENGES, AND LESSONS LEARNED
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Substructuring pseudo-dynamic hybrid simulation (PsDHS) is an efficient, yet effective testing method for evaluating the system-level response of structures under extreme loading scenarios. In PsDHS, the response of the critical structural components is captured in a laboratory through physical testing and is integrated with the numerical response of the remainder of the structure in a numerical model, by establishing communication between the two. The former is referred to as a physical substructure and the latter is often referred to as the integration module. Despite its widespread applications and significant advancements, a commonly recognized constraint with substructuring PsDHS is the limited number of physical substructures that can be included in experiments. In an attempt to increase the number of physical substructures in PsDHS, the University of Toronto Ten Element Hybrid Simulation Platform (UT10) was recently developed. The UT10 is capable of testing up to ten uniaxial rate-independent physical substructures simultaneously, and since its development has been used in several projects for the performance assessment of ductile steel structures such as buckling restrained braced frames, special concentrically braced frames, yielding brace systems with cast steel fuses, and more recently, rocking steel structures. This paper provides an overview of the UT10, its features, and past research projects with multi-element hybrid simulations using the UT10. Challenges, lessons learned, and conclusions from each multi-element hybrid simulation are presented, along with vision for future research directions.
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.
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 découle