MétaCan
Menu
Retour à la cohorte
Enregistrement W2292831302 · doi:10.4028/www.scientific.net/amm.828.27

Optimisation of Variable Stiffness Plates

2016· article· en· W2292831302 sur OpenAlexfundno aff
Paul M. Weaver, Zhang Wu, Gangadharan Raju

Notice bibliographique

RevueApplied Mechanics and Materials · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueComposite Structure Analysis and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesInnovation, Science and Economic Development Canada
Mots-clésLaminationOrthotropic materialComposite laminatesStiffnessComposite numberStructural engineeringRobustness (evolution)Materials scienceComposite materialEngineeringFinite element method

Résumé

récupéré en direct d'OpenAlex

Variable angle tow (VAT) describes fibres in a composite lamina that have been steered curvilinearly. In so doing, substantially enlarged freedom for stiffness tailoring of composite laminates is enabled. VAT composite structures have been shown to have improved buckling and postbuckling load carrying capability when compared to straight fibre composites. However, their structural analysis and optimal design is more computationally expensive due to the exponential increase in number of variables associated with spatially varying planar fibre orientations in addition to stacking sequence considerations. In this work, an efficient two-level optim isation framework using lamination parameters as design variables has been enhanced and general ised to the design of VAT plates. Explicit stiffness matrices are found in terms of component material invariants and lamination parameters. The convex hull property of B-splines is exploited to ensure point-wise feasibility of lamination parameters. In addition, a small set of explicit closed-form expressions is used to define the feasible region of two in-plane and two out-of-plane lamination parameters, which are used for the design of orthotropic laminates. Finally, numerical examples of plates under compression loading with different boundary conditions and aspect ratios are investigated. Reliable optimal solutions demonstrate the robustness and computational efficiency of the proposed optimisation methodology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil0,188

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,167
Écart entre enseignants0,163 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Mechanics and MaterialsMême sujetComposite Structure Analysis and OptimizationTravaux en français237 207