MétaCan
Menu
Retour à la cohorte
Enregistrement W2886568220 · doi:10.1155/2018/1654751

Automating XFEM Modeling Process for Optimal Failure Predictions

2018· article· en· W2886568220 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

RevueMathematical Problems in Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueNumerical methods in engineering
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMemorial University of Newfoundland
Mots-clésAlgorithmComputer scienceIdentification (biology)Materials scienceArtificial intelligenceMachine learning

Résumé

récupéré en direct d'OpenAlex

The eXtended Finite Element Method (XFEM) is a versatile method for solving crack propagation problems. Meanwhile, XFEM predictions for crack onset and propagation rely on the stress field which tends to converge at a slower rate than that of displacements, making it challenging to capture critical load at crack onset accurately. Furthermore, identifying the critical region(s) for XFEM nodal enrichments is user-dependent. The identification process can be straightforward for small-scale test specimen while in other cases such as complex structures it can be unmanageable. In this work a novel approach is proposed with three major objectives; <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mo stretchy="false">(</mml:mo><mml:mn fontstyle="italic">1</mml:mn><mml:mo stretchy="false">)</mml:mo></mml:math> alleviate user-dependency; <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"><mml:mo stretchy="false">(</mml:mo><mml:mn fontstyle="italic">2</mml:mn><mml:mo stretchy="false">)</mml:mo></mml:math> enhance predictions accuracy; <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M3"><mml:mo stretchy="false">(</mml:mo><mml:mn fontstyle="italic">3</mml:mn><mml:mo stretchy="false">)</mml:mo></mml:math> minimize computational effort. An automatic critical region(s) identification based on material selected failure criterion is developed. Moreover, the approach enables the selection of optimized mesh necessary for accurate prediction of failure loads at crack initiation. Also, optimal enrichment zone size determination is automated. The proposed approach was developed as an iterative algorithm and implemented in ABAQUS using Python scripting. The proposed algorithm was validated against our test data of unnotched specimens and relevant test data from the literature. The results of the predicted loads/displacements at failure are in excellent agreement with measurements. Crack onset locations were in very good agreement with observations from testing. Finally, the proposed algorithm has shown a significant enhancement in the overall computational efficiency compared to the conventional XFEM. The proposed algorithm can be easily implemented into user-built or commercial finite element codes.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,647
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,025
Tête enseignante GPT0,280
Écart entre enseignants0,255 · 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