A multiscale framework for predicting the mechanical properties of unidirectional non-crimp fabric composites with manufacturing induced defects
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
The aim of this study was to evaluate the effect of manufacturing induced in-plane tow misalignment and out-of-plane tow crimp on the mechanical properties of a heavy-tow unidirectional non-crimp fabric (UD-NCF) composite. The elastic constants and failure onset (strength) are predicted by employing a multiscale computational approach. Micro-scale finite element (FE) models that explicitly represent the fibers and matrix within the tow microstructure were used to predict the effective properties of the tow. Meso-scale FE models comprised of the homogenized tows and surrounding matrix were used to predict the properties of a UD NCF composite lamina. Four meso-scale models, identified as ideal, crimp, misalignment and real, were considered in this study. No manufacturing defects were represented in the ideal model, while out-of-plane crimp, in-plane misalignment and both out-of-plane crimp and in-plane misalignment were accounted for in the crimp model, misalignment model and real model, respectively. Predicted lamina stiffness based on the real model are found to be in an excellent agreement with available experimental data, which was not always the case for the other three models. The longitudinal and transverse strength predictions are found to be dependent on the chosen local failure criteria for each model. Max-stress and Puck’s fiber failure criteria provide an excellent estimate of longitudinal strength while the Puck’s inter-fiber failure and Tsai-Hill criteria predict transverse strength with good accuracy. The feasibility to accurately predict the mechanical properties of heavy tow non-crimp fabric composites by incorporating their inherent micro-structural defects is demonstrated in this study.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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