MétaCan
Menu
Retour à la cohorte
Enregistrement W3005314474 · doi:10.3390/app10030943

Topology Optimization for Multipatch Fused Deposition Modeling 3D Printing

2020· article· en· W3005314474 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.

Notice bibliographique

RevueApplied Sciences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Science Foundation of Hunan ProvinceNational Natural Science Foundation of China
Mots-clésTopology optimizationFused deposition modelingTopology (electrical circuits)Interpolation (computer graphics)Deposition (geology)Layer (electronics)Computer scienceAsynchronous communicationZigzag3D printingMathematical optimizationMaterials scienceNanotechnologyEngineeringMathematicsMechanical engineeringFrame (networking)Finite element methodGeometry

Résumé

récupéré en direct d'OpenAlex

This paper presents a hybrid topology optimization method for multipatch fused deposition modeling (FDM) 3D printing to address the process-induced material anisotropy. The ‘multipatch’ concept consists of each printing layer disintegrated into multiple patches with different zigzag-type filament deposition directions. The level set method was employed to represent and track the layer shape evolution; discrete material optimization (DMO) model was adopted to realize the material property interpolation among the patches. With this set-up, a concurrent optimization problem was formulated to simultaneously optimize the topological structure of the printing layer, the multipatch distribution, and the corresponding deposition directions. An asynchronous starting strategy is proposed to prevent the local minimum solutions caused by the concurrent optimization scheme. Several numerical examples were investigated to verify the effectiveness of the proposed method, while satisfactory optimization results have been derived.

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 candidatesaucune
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 enseignants0,603
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,024
Tête enseignante GPT0,234
Écart entre enseignants0,210 · 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