Assessment of the excitelet algorithm for in-situ mechanical characterization of orthotropic structures
Notice bibliographique
Résumé
Damage detection and localization on composites can be impaired by inaccurate knowledge of the mechanical properties of the structure. This paper demonstrates the feasibility of using a chirplet-based correlation technique, called Excitelet, to evaluate the mechanical properties of orthotropic carbon fibre-based composite laminates. The method relies on the identification of an optimal correlation coefficient between measured and simulated dispersed signals measured on a structure using piezoceramic (PZT) transducers. Finite Element Model (FEM) is first conducted to demonstrate the capability of the approach to evaluate the mechanical properties of a composite structure. Experimental validation is then conducted on a unidirectionnal 2.30 mm thick laminate composed of unidirectional plies and a 2.35 mm thick laminate composed of unidirectional plies oriented at [0, 90]<sub>4s</sub>. Surface bonded PZT transducers were used both for actuation and sensing of guided waves bursts measured at 0° and 90° with respect to upper ply fibre orientation. The characterization is performed at various frequencies below 100 kHz using <i>A<sub>0</sub></i> or <i>S<sub>0</sub></i> modes and comparison with the material properties measured following ASTM standard testing is presented. The results indicate that large correlation coefficients are obtained between the measurements and simulated signals for both <i>A<sub>0</sub></i> and <i>S<sub>0</sub></i> modes when accurate properties are used as inputs for the model. Strategies based on multiple modes correlation are also assessed in order to improve the accuracy of the characterization approach. The results obtained using the proposed approach for the unidirectional plate and most of the results obtained using the proposed approach for the [0, 90]<sub>4s</sub> laminate are in agreement with the uncertainty associated with ASTM tests results while the proposed method is non destructive and can be performed prior to each imaging processing.
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 | 0,001 | 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 ».