Topological optimization of frame structures with stiffness and strength constraints
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
Based on the ICM(Independent Continuous Mapping) method,different filter functions for element weight,element allowable stress and element stiffness are introduced to change the 0~1 type discrete topological variables to continuous topological variables between 0 and 1,so a topological optimization model with continuous topological variables is built.The stress constraints are transformed into movable lower limits of topological variables with the full stress criterion and the displacement constraints are transformed into explicit expressions with the unit virtual load method,thus the topological optimization model is explicit.To improve the solving efficiency,the dual model of the original optimization model is solved according to the dual theory by iteratively solving the dual model in its dual space.Three criteria which are no singular structure,no violated constraints of structural responses and no changed structural weight are introduced to judge iteration convergence.According to the three criteria,an appropriate doorsill is found by self-adaptively adjusting a discount factor,and then the continuous topological variables can be regressed to the 0~1 type discrete topological variables.With the opening of MSC/Nastran and the PCL(Patran Command Language) environment of MSC/Patran,the topological optimization program of frame structures with multiple variables is implemented,which can satisfy the stiffness and strength constraints.Numerical results show that it is speedy and efficient to solve the topological optimization problem of frame structures with ICM method.
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