MétaCan
Menu
Retour à la cohorte
Enregistrement W3035669615 · doi:10.1080/13588265.2020.1773739

The multi-objective structural optimisation design to improve the crashworthiness of a multi-cell structure for high-speed train

2020· article· en· W3035669615 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

RevueInternational Journal of Crashworthiness · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueCellular and Composite Structures
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCrashworthinessParametric statisticsFinite element methodSurrogate modelStructural engineeringGenetic algorithmEngineeringDesign of experimentsConstraint (computer-aided design)Work (physics)Mechanical engineeringMathematical optimizationMathematics

Résumé

récupéré en direct d'OpenAlex

This article addresses the energy absorption and crashworthiness optimisation of a multi-cell energy-absorbing structure which is composed of orthohexagonal tubes and connecting column under dynamic impact loading. In this work, a finite element model was established and effectively verified using experimental data. To explore the effects of each structural part length parameters on crashworthiness characteristics such as the specific energy absorption (SEA) and the impacting force efficiency (IFE). The influence of design variables on the impact response is evaluated based on the parametric study of surrogate model. The results show that side lengths at different locations have different effects on SEA and IFE. The characteristics and trends of different variables are different. In addition, based on the surrogate models, to maximise the SEA and IFE under the constraint of design space, multi-objective optimisation design was carried out using multi-objective genetic algorithm. The optimised structure has significant improvement in SEA, IFE and space.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,459
Score d'incertitude au seuil0,646

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 ouverte0,0010,000
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 Opus0,014
Tête enseignante GPT0,249
Écart entre enseignants0,235 · 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