Impact Response Prediction of Expanded Polypropylene Foam Energy Absorbers
Notice bibliographique
Résumé
<div class="htmlview paragraph">Expanded polypropylene (EPP) foam has been the most widely used material for energy absorption in low speed bumper impacts for its low cost, lightweight, and ease of prototyping. An accurate finite element prediction of such bumper system impacts further enhances these advantages and reduces design cycle time, weight, and cost. These Optimized multi-density EPP foam absorbers, which meet performance, weight, and cost targets can then be designed and prototyped very quickly. This paper describes a finite element procedure and material model that can be used to accurately predict the impact performance of a bumper system consisting of an EPP foam absorber coupled with a bumper beam which can be made of steel, aluminum or any composite material or plastic.</div> <div class="htmlview paragraph">Key characteristics of EPP foam such as strain rate sensitivity, shear and tensile response, and rebound properties have been incorporated into the finite element models. Additionally, importance has been given to the accurate modeling and representation of the bumper beam and various boundary and interface conditions. Consistency of measuring devices in impact testing and its effects on the correlation between computer simulation and real impact tests will be examined. Response prediction of cumulative and isolated impact tests such as the tests followed in Federal Motor Vehicle Safety Standard (FMVSS) 581, Canadian Motor Vehicle Safety Standard (CMVSS) 215, and Insurance Institute for Highway Safety (IIHS) procedures will be demonstrated. The accuracy of the finite element prediction techniques will be demonstrated by comparing actual data from analysis and impact tests and showing a validation of loads and deflections.</div>
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».