MétaCan
Menu
Retour à la cohorte
Enregistrement W7116798405 · doi:10.11159/ijci.2025.022

A Study on the Influence of Cable Modeling Approaches on Cable-Stayed Bridges

2025· article· W7116798405 sur OpenAlexvenueno aff
Thanawat Visessin, Koravith Tiprak, Eiichi Sasaki

Notice bibliographique

RevueInternational Journal of Civil Infrastructure · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueStructural Engineering and Vibration Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBridge (graph theory)Work (physics)WeldingFrame (networking)

Résumé

récupéré en direct d'OpenAlex

In traditional finite element analysis (FEA) of cablestayed bridges, each stay cable is often represented by a single tension-only truss element with reduced stiffness to consider sag effects.Although this simplification is computationally efficient, the accuracy may not be sufficient to ensure reliable performance in cable Structural Health Monitoring (SHM).This study examines the influence of cable modeling strategies, particularly element discretization levels (1, 10, 50, and 100 elements per cable) and sag representation using Ernst's effective modulus, on the dynamic characteristics of the Bhumibol Bridge in Thailand.Field-measured vibration data were employed to validate the numerical model in terms of modal frequencies and mode shapes.The results indicate that increasing the number of cable elements slightly raises the natural frequencies and enables more precise simulation of cable responses., while frequencies remain nearly constant beyond 50 elements.Incorporating Ernst's effective modulus reduces the frequencies of both girder-dominated and cabledominated modes, enhancing agreement between analytical and experimental results.Additionally, the inclusion of precamber slightly decreases the overall modal frequencies.These findings highlight the importance of proper cable discretization and sag representation to ensure accurate dynamic simulations, which are essential for SHM and digitaltwin applications in long-span bridges.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,129
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,257
Écart entre enseignants0,236 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Civil InfrastructureMême sujetStructural Engineering and Vibration AnalysisTravaux en français237 207