Comprehensive thermal optimization of liquid composite molding to reduce cycle time and processing stresses
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
Abstract Liquid composite molding (LCM) is a well‐established and flexible composite manufacturing technology capable of producing large parts at a relatively low cost. In this family of related injection processes, a large number of design variables have strong impact on manufacturing performance. The determination of adequate process parameters is key to yield successful molding conditions and reduce cycle time. In addition, properties and durability of composite parts are strongly affected by internal stresses. Excessive stress levels may lead to important defects in the part at the curing stage and after processing, when the part is cooled to room temperature. In this investigation, a comprehensive curing optimization algorithm is proposed to reduce internal stresses during composite processing. This study focuses on the minimization of the macroscopic residual stresses that appear during cure and cooling in thermoset composite laminates as a result of temperature and degree of cure gradients. The proposed fitness function to be minimized is based on the physics of the matrix material transformation and on the mechanical behavior of the composite material. An evolutionary strategy based on genetic algorithms (GA) is implemented for the minimization of the fitness function. Optimization is carried out for thin and thick glass/polyester laminated composites. Different optimization schemes with thermo‐elastic and viscoelastic models of the composite mechanical properties are studied. The advantages and drawbacks of each model are stated and discussed. POLYM. COMPOS., 26:209–230, 2005. © 2005 Society of Plastics Engineers
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) | 0,000 | 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 découle