Finite Element Modeling of Woven Fabric Composites at Meso-Level under Combined Loading Modes
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
IntroductionWoven fabrics are among the most important materials used in today's modern industries.Next to their high mechanical properties, they are easy to handle in the dry or preimpregnated pre-forms, offer good drape-ability and are particularly suited for manufacturing of doubly curved components, membranes, inflatable structures, etc (Cavallaro et al., 2003; 2007).In the dry form, fabrics can be formed into a variety of threedimensional (3D) shapes and then consolidated with resin via resin transfer molding (RTM) or other manufacturing processes (Boisse et al., 2007).Reliable models capable of predicting the mechanical behaviour of woven fabric materials are not fully developed yet.The biggest challenge in this regard is perhaps the multi-scale nature of the fabric materials.Dry fabrics at macro level are composed of numerous yarns interlaced into each other.The yarns usually have characteristic length in the scale of millimetres and their interaction and behaviour at the fabric level can greatly influence the macro-level material behaviour (Guagliano and Riva, 2001).Yarns themselves are heterogeneous media made of bundles of very thin and long fibers.Figure 1 shows different hierarchical levels in a woven fabric along with their typical dimensions. Micro-level fibers ~10 -6 m Macro-level part ~10 0 m Meso-level yarns ~10 -3 m Fig. 1. 3 Hierarchical levels in woven fabrics www.intechopen.com
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) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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