Characterization of Polymeric Membranes Under Large Deformations Using Fluid-Structure Coupling
Notice bibliographique
Résumé
The mechanical properties of Ogden material under biaxial deformation are obtained by using the bubble inflation technique. First, pressure inside the bubble and height at the hemispheric pole are recorded during bubble inflation experiment. Thereafter, Ogden's theory of hyperelasticity is employed to define the constitutive model of flat circular thermoplastic membranes (CTPMs) and nonlinear equilibrium equations of the inflation process are solved using finite difference method with deferred corrections. As a last step, a neuronal algorithm artificial neural network (ANN) model is employed to minimize the difference between calculated and measured parameters to determine material constants for Ogden model. This technique was successfully implemented for acrylonitrile-butadiene-styrene (ABS), at typical thermoforming temperatures, 145°C. When solving for the bubble inflation, the recorded pressure is applied uniformly on the structure. During the process inflation, the pressure is not uniform inside the bubble, thus full gas dynamic equations need to be solved to get the appropriate nonuniform pressure to be applied on the structure. In order to simulate the inflation process accurately, computational fluid dynamics in a moving fluid domain as well as fluid structure interaction (FSI) algorithms need to be performed for accurate pressure prediction and fluid structure interface coupling. Fluid structure interaction solver is then required to couple the dynamic of the inflated gas to structure motion. Recent development has been performed for the simulation of gas dynamic in a moving domain using arbitrary Lagrangian Eulerian (ALE) techniques.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».