Zum Inhalt

Erweiterte Suche

Ergebnisvorschau für Ihre aktuellen Suchbegriffe: 0

Suchoperatoren:

Sie können Operatoren mit Ihrer Suchanfrage kombinieren, um diese noch präziser einzugrenzen. Klicken Sie auf den Suchoperator, um eine Erklärung seiner Funktionsweise anzuzeigen.
Findet Dokumente mit genau dieser Wortgruppe in exakt dieser Schreibweise und Reihenfolge (z.B. "employer branding").
Findet Dokumente, in denen beide Begriffe zusammen vorkommen (z.B. vertrieb UND bonus).
Findet Dokumente, in denen einer der beiden oder beide Begriffe vorkommen (z.B. porsche OR volkswagen).
Findet Dokumente, in denen alle Begriffe vorkommen. Das Leerzeichen wird als UND interpretiert (z.B. mensch roboter alltag).
Findet Dokumente, in denen der Begriff nach NOT nicht vorkommt (z.B. ford NOT "harrison ford").
Findet Dokumente, in denen der gesuchte Begriff mehr als n mal vorkommt. n steht für eine beliebige Anzahl (z.B. COUNT(getriebe)>8).
Findet Dokumente, in denen beide Begriffe in beliebiger Reihenfolge innerhalb von maximal n Worten zueinander stehen. Empfehlung: Wählen Sie zwischen 15 und 30 als maximale Wortanzahl (z.B. NEAR(hybrid, antrieb, 20)).
Findet Dokumente, in denen der Begriff in Wortvarianten vorkommt, wobei diese VOR, HINTER oder VOR und HINTER dem Suchbegriff anschließen können (z.B., leichtbau*, *leichtbau, *leichtbau*).
Findet Dokumente mit dem Suchbegriff in verschiedenen Schreibweisen. Das ? steht für eine einzige Stelle (z.B. organi?ation).
Sonderzeichen werden als UND interpretiert (z.B. Mann + Hummel).

Semantische Suche

powered by (Link öffnet in neuem Fenster)
loading …
Anmelden
Nach oben
Experimental Mechanics

Understanding the Incident Wave Errors in Split Hopkinson Pressure Bar Test with Machine Learning Method

  • 18.02.2025
  • Research paper
Erschienen in:
Verfasst von
K. Wang
Y. Wu
X. Zhou
Y. Yu
L. Xu
G. Gao
Erschienen in
Experimental Mechanics | Ausgabe 2/2025

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Artikel geht den Herausforderungen von Wellenformfehlern bei Split Hopkinson Pressure Bar (SHPB) -Tests aufgrund von Unvollkommenheiten der Schlagbalken nach. Es beleuchtet die Anwendung des maschinellen Lernens zur Klassifizierung und Korrektur dieser Fehler und liefert wertvolle Erkenntnisse und praktische Lösungen zur Verbesserung der Genauigkeit dynamischer mechanischer Daten bei der Werkstoffprüfung. Die Studie umfasst umfangreiche numerische Simulationen und Feature Engineering, um ein robustes maschinelles Lernmodell zu entwickeln, das in der Lage ist, Fehler in Echtzeit zu korrigieren und zu quantifizieren.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Sie sind bereits Kunde? Dann loggen Sie sich hier ein, um Zugang zu erhalten

Kundenlogin

Sie sind noch kein Kunde? Dann Informieren Sie sich jetzt über unsere Lizenzmodelle:

Einzelzugang

Starten Sie jetzt Ihren persönlichen Einzelzugang. Erhalten Sie sofortigen Zugriff auf mehr als 170.000 Bücher und 540 Zeitschriften - pdf-Downloads und Neu-Erscheinungen inklusive.

Jetzt ab 54,00 € pro Monat!                                        

Mehr erfahren

Zugang für Unternehmen

Nutzen Sie Springer Professional in Ihrem Unternehmen und geben Sie Ihren Mitarbeitern fundiertes Fachwissen an die Hand. Fordern Sie jetzt Informationen für Firmenzugänge an.

Erleben Sie, wie Springer Professional Sie in Ihrer Arbeit unterstützt!

Beraten lassen

Für Entdecker: Lernen Sie Springer Professional besser kennen mit einer kostenlosen Registrierung

Kostenlos Registrieren
Vorheriger Artikel Improving Metrological Performance Estimation of Digital Volume Correlation: Application to X-Ray Computed Tomography
Titel
Understanding the Incident Wave Errors in Split Hopkinson Pressure Bar Test with Machine Learning Method
Verfasst von
K. Wang
Y. Wu
X. Zhou
Y. Yu
L. Xu
G. Gao
Publikationsdatum
18.02.2025
Verlag
Springer US
Erschienen in
Experimental Mechanics / Ausgabe 2/2025
Print ISSN: 0014-4851
Elektronische ISSN: 1741-2765
DOI
https://doi.org/10.1007/s11340-025-01146-5
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.

Weitere Artikel der Ausgabe 2/2025

Comparison of Hall–Petch Law with an Elastic Limit Identification Method Using Kinematic Field Measurements

  • Research paper

Improving Metrological Performance Estimation of Digital Volume Correlation: Application to X-Ray Computed Tomography

  • Research paper

Physics-Informed Neural Network Based Digital Image Correlation Method

  • Research paper

On the Cover: Physics Informed Neural Network Based Digital Image Correlation Method

Effects of Material Orientation and Degree of Deformation on the Tension–Compression Asymmetry of AA2024‒T4

  • Research paper

Research on a New Exponential Function Weighted Averaging Method Used for Full-Gradient Strain Measurement of DIC

  • Research paper

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise
    MKVS GbR/© MKVS GbR, Nordson/© Nordson, ViscoTec/© ViscoTec, BCD Chemie GmbH, Merz+Benteli/© Merz+Benteli, Robatech/© Robatech, Ruderer Klebetechnik GmbH, Xometry Europe GmbH/© Xometry Europe GmbH, Atlas Copco/© Atlas Copco, Sika/© Sika, Medmix/© Medmix, Kisling AG/© Kisling AG, Dosmatix GmbH/© Dosmatix GmbH, Innotech GmbH/© Innotech GmbH, Hilger u. Kern GmbH, VDI Logo/© VDI Wissensforum GmbH, Dr. Fritz Faulhaber GmbH & Co. KG/© Dr. Fritz Faulhaber GmbH & Co. KG, ECHTERHAGE HOLDING GMBH&CO.KG - VSE, mta robotics AG/© mta robotics AG, Bühnen, The MathWorks Deutschland GmbH/© The MathWorks Deutschland GmbH, Spie Rodia/© Spie Rodia, Schenker Hydraulik AG/© Schenker Hydraulik AG