A Comparison of Discrete Damage Modeling Methods: The Effect of Stacking Sequence on Progressive Failure of the Skin Laminate in a Composite Pi-joint Subject to Pull-off Load
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
View Video Presentation: https://doi.org/10.2514/6.2021-0571.vid Discrete damage modeling (DDM) of composite failure mechanisms including delamination, matrix cracking, and their interactions was performed for the skin laminate in a composite pi-joint test specimen subject to a pull-off load. The skin laminate stacking sequence was varied, and the pull-off load and predicted damage path were documented. Within the study the prediction of two DDM tools were compared, Abaqus XFEM and B-Spline Analysis Method (BSAM). Both DDM tools use similar methodology for determining sites of damage initiation and use cohesive zone models for damage accumulation and crack propagation. However, the tools differ in their approach of modeling mesh independent matrix cracks in the bulk lamina. Abaqus XFEM implements a standard formulation of the eXtended Finite Element Method (XFEM), whereas BSAM uses a Regularized eXtended Finite Element Method (RX-FEM). A parametric model was developed using a python script to automate the required preprocessing. The results of the DDM tools were compared with baseline models that only considered interface damage. It was shown that by including effects of matrix cracks the peak pull-off loads were considerably reduced. Moreover, the predicted damage path between the baseline and DDM models were vastly different. Comparing the two DDM tools, the predictions of the damage initiation locations were in agreement, and the predicted damage paths and peak pull-off loads were similar. However, the Abaqus solver exhibited convergence issues when damage occurred at multiple sites and the damage interaction became complex, whereas the BSAM solver did not.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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