Topology Optimization for Stiffened Panels: A Ground Structure Method
Notice bibliographique
Résumé
Abstract Reducing the weight of structures remains a major challenge in the aviation industry in order to reduce fuel consumption. The stiffened panel is the main assembly method for primary structures in aircraft, e.g. fuselage or wing. Density-based topology optimization has been used in research and in industry as a tool to help create new stiffening patterns for aircraft components, such as ribs, spars, bulkheads or even floor design. One critical aspect of stiffened panel design for wing structures is the buckling resistance. However, most work found in the literature does not include buckling analysis during optimization which leads to sub-optimal results when the stiffening layout is validated for buckling. Including buckling as a constraint for the density-based topology optimization has proven to be a complex task, mainly caused by the fact that the buckling of the stiffeners is not captured accurately. As such, this work presents an optimization method for stiffened panels based on the ground structure approach usually used for truss topology optimization. The main novelty of the method is the use of a stiffener activation variable (SAV) to activate only one variable at a time, either the height or density variable associated with each stiffeners of the ground structure. This work shows that while ground structure topology optimization requires more setup time and limiting the degrees of freedom of the optimization, it finds the best stiffening layout efficiently when compared to the density method.
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 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) | 0,000 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».