MétaCan
Menu
Retour à la cohorte
Enregistrement W2796095784 · doi:10.4271/2018-01-0110

Multi-Material Topology Optimization: A Practical Approach and Application

2018· article· en· W2796095784 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensQueen's University
Organismes subventionnairesGeneral Motors of Canada
Mots-clésTopology optimizationComputer scienceTopology (electrical circuits)Mathematical optimizationMathematicsEngineeringElectrical engineeringFinite element method

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">The automotive industry is facing significant challenges for next-generation vehicle design as fuel economy regulations and tailpipe emission standards continue to strive for greater efficiency. In order to ensure vehicle design reaches these sustainability targets, lightweighting through multi-material design and topology optimization (TO) has been suggested as the leading method to reduce weight from conventional component and small assembly structures. More effective tools, techniques, and methodologies are now required to advance the development of multi-phase optimization tools beyond current commercial capability, and help automotive designers achieve critical efficiency improvements without sacrificing performance.</div><div class="htmlview paragraph">Presented here is a unique tool description and practical application of multi-material topology optimization (MMTO), a direct extension of the classical single-material problem statement (SMTO). In this implementation the TO problem is expanded to include material existence and selection design variables in the typical density method while utilizing the solid isotropic material with penalization (SIMP) interpolation scheme. Further improvements from the prior research include adoption of the method of moving asymptotes (MMA) for handling large-scale, high-resolution optimization problems.</div><div class="htmlview paragraph">Emphasized in this paper is a description of a multi-material topology optimization computational tool, an examination of single and multi-material solutions and comments for practical design. First, key equations and techniques that enable MMTO are presented, including interpolation schemes, sensitivity analysis, and filtering methods. Next, MMTO is applied to a practical automotive case study in a minimum compliance framework, and compared to other SMTO approaches. Lastly, an overview of practical design considerations is presented to discuss development of a final product from concept to validation.</div></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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,250
Écart entre enseignants0,240 · 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