MétaCan
Menu
Retour à la cohorte
Enregistrement W2908540124 · doi:10.2514/6.2019-0420.c1

Correction: Multiscale Design Optimization of Additively Manufactured Aerospace Structures Employing Functionally Graded Lattice Materials

2019· article· en· W2908540124 sur OpenAlexaff
Eric Trudel, Mostafa S. A. ElSayed, Leo Kok, Emmanuel Provost

Notice bibliographique

RevueAIAA Scitech 2019 Forum · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensBombardier (Canada)Carleton University
Organismes subventionnairesnon disponible
Mots-clésAerospaceLattice (music)Materials scienceComputer scienceMechanical engineeringEngineering drawingEngineeringAerospace engineeringPhysicsAcoustics

Résumé

récupéré en direct d'OpenAlex

Periodic cellular solids offer an intuitive solution for lightweight designs as they provide the means to optimize the structure at multiple length scales generating novel geometries with maximized specific stiffness and strength properties. However, the generated designs are always characterized with various geometrical complexities rendering them impossible to build using conventional manufacturing techniques. With the advent and commercialization of additive manufacturing, the production of lightweight structures with periodic cellular topologies has begun to increase substantially as additive manufacturing largely relaxes the manufacturing constraints opening the design space for new boundaries that were not previously achievable. If serious applications of cellular solids are to be considered in aerospace, proper design procedures must be followed to guarantee parts that will meet stringent certification requirements imposed by certification authorities. This paper presents a new methodology for the design optimization of light and safe aerospace structures by combining topology, shape and lattice material optimization techniques. The procedure begins with a topology optimization process to generate a conceptual design. Sizing and shape optimization methods are then used to reduce stress concentrations and optimize the original design concept for even strain energy distribution. Remodeling is then required to obtain the first optimized design. Finally, multiscale design optimization employing lattice materials is conducted in the second stage where the output of the first stage design is divided into two domains, namely, a design space, for potential lattice structuring, and a non-design space, that is kept as solid material, particularly in areas of interface connections in the overall assembly. The lattice domains are meshed with equivalent beams representing the struts of a micro-truss lattice topology which is then employed in a stress and buckling constrained optimization for mass minimization. A case study is presented for the design optimization of a simple aircraft door hinge with results showing a reduction in mass of about 44% achievable employing the proposed optimization algorithm.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,276

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,033
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0820,034

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 Opus0,007
Tête enseignante GPT0,202
Écart entre enseignants0,195 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA Scitech 2019 ForumMême sujetTopology Optimization in EngineeringTravaux en français237 207