[Original] A Predictor-Corrector Algorithm of the Generalized-α Method for Analysis of Structural Dynamics

Q: 이 논문에서 정의한 일반화된 α 방법이란 무엇인가?

구조 동역학 문제의 시간 적분 알고리즘 중 하나로, 고주파 영역에서 발생하는 불필요한 수치 감쇠를 정밀하게 조절할 수 있도록 설계된 방법이다. 이를 통해 수치 해석 과정에서 나타나는 가상 진동을 효과적으로 제어하여 해의 정확도를 높인다.

Q: 명시적 일반화된 α 방법이 구조 동역학 해석에서 가지는 효과는 무엇인가?

연구 결과, 단일 파라미터인 ρb를 통해 고주파 감쇠를 조절함으로써 중심 차분법보다 가상 진동을 효과적으로 감소시킨다. 따라서 수치 감쇠가 필수적인 파 전파 문제 등에서 효율적인 시간 적분 도구로 활용될 수 있다.

Jintai Chung; Gregory M. Hulbert

추천

검색

질문

자료유형: 학술저널

저자정보: Jintai Chung Gregory M. Hulbert

저널정보: 한국소음진동공학회 소음·진동 소음진동 제5권 제2호

발행연도: 1995.6

수록면: 207 - 213 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

A new predictor-corrector explicit time integration algorithm is presented for solving structural dynamics problems. The basis of the algorithm is the implicit generalized-α method recently developed by the authors. Like its implicit parent, the explicit generalized-α method is a one-parameter family of algorithms in which the parameter defines the high-frequency numerical dissipation. The algorithm can be utilized effectively for linear and nonlinear structural dynamics calculations in which numerical dissipation is needed to reduce spurious oscillations inherent in non-dissipative time integration methods used to solve wave propagation problems.

#Time Integration Method(시간적분법) #Generalized-α Method(일반화된 α 방법) #Structural Dynamics(구조동력학)

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2015-530-001589933

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)