A performance metric for additively manufactured microlattice structures under different loading conditions
Notice bibliographique
Résumé
A rapidly evolving design technology in additive manufacturing is microlattice (or microarchitectured) materials. Investigating the performance of microlattices under different loading conditions is a key element for implementing this new technology into mechanical components used in different industries. In this paper, the mechanical behavior of five different microlattices under four standard modes of loading along with a combined loading scenario was investigated. The four standard modes of loading that were considered are tension, compression, simple shear, and bending. The combined loading scenario was simultaneous shear and compression. The lattice structures (i.e. octet-truss, diamond, pyramid, block lattice truss, and cubic truss) were modeled and meshed using Autodesk Inventor and Fusion 360. Constraints and the elastic loading conditions for the structures were applied to the models in Fusion 360 and static finite element simulations were performed using Autodesk Nastran software. The results of all simulations were collated and a performance function was derived from the maximum stress and stiffness results and mass of the structures. The two highest performing structures (octet-truss and cubic lattice) according to the derived metric were then combined. The octet lattice performed well under shear and the combined loading cases, while the cubic lattice performed well under tension, compression, and bending. Simulations were repeated and the performance metric was then used to show that the combination of these structures, known as the Warren truss, had improved performance as a result.
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 | 0,000 | 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 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 ».