Multi-Joint Topology Optimization: A Method for Considering Joining in Multi-Material Design
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
<div class="section abstract"><div class="htmlview paragraph">Automakers are under constant pressure to improve fuel economy and vehicle range to achieve a competitive advantage within the industry and meet government regulations. Reducing the overall weight of a vehicle contributes significantly to achieving this goal. Topology optimization (TO) has been identified within industry as a leading method to reduce weight on both a component and assembly level. With this tool, components can be redesigned to maintain structural performance requirements while also providing significant weight savings. On an assembly level, TO can be used to determine optimal loadpaths within large structures such as frames or bodies. These loadpaths can be interpreted to determine the locations of different components within the structure. To support the development of lightweight vehicle design, this paper presents a revised methodology and application of multi-joint topology optimization (MJTO). This method is an extension of multi-material topology optimization (MMTO), which is derived from the classical standard single-material problem statement (SMTO). Here, MJTO both extends topology optimization to consider multiple materials while also considering joint characteristics between material boundaries. Included here is a detailed description and demonstration of the MJTO methodology, starting with a brief overview of MMTO. Next, the derivation of MJTO element interpolation functions, sensitivities, and filtering methods are presented with the introduction of a novel mesh independent gradient approximation method. This method extends MJTO to problems with irregular mesh types and addresses issues with previously adopted approaches. Finally, a case study is presented demonstrating the MJTO method and providing a holistic comparison between SMTO and MMTO solutions.</div></div>
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle