MétaCan
Menu
Retour à la cohorte
Enregistrement W3164290373 · doi:10.1002/pc.26141

Dynamic response and optimization of functionally graded porous nanocomposite cylinders using a meshfree method

2021· article· en· W3164290373 sur OpenAlexaff
Alireza Sayyidmousavi, M. Foroutan, Zouheir Fawaz

Notice bibliographique

RevuePolymer Composites · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueComposite Structure Analysis and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePorosityComposite materialStiffnessReinforcementVolume fractionOptimal designStructural engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract A new class of advanced ultralight composite materials has recently emerged through the use porous polymer matrix reinforced by carbon nanotubes. In this article, the dynamic response of functionally graded porous polymeric cylinders, reinforced by randomly oriented single‐walled carbon nanotubes, using a meshfree method is studied. Three different porosity distribution patterns are investigated: symmetric distribution (SYD), unsymmetric distribution, and uniform distribution. A thorough study on the effects of reinforcement volume fractions and porosity distribution patterns on the dynamic response of the structure has been carried out using the radial point interpolation meshfree method based on the 2D theory of elasticity. In addition, a Pareto front solution is obtained through a multiobjective optimization aimed at minimizing the weight and maximizing the natural frequency of the structure with porosity and reinforcement volume fraction as design variables. From a design perspective, the results indicate that the SYD porosity type is the best candidate for relatively thick cylinders because of its smaller mass and higher stiffness compared to the other distribution types. The current research presents a reliable computational framework to help provide an insight into the design of an optimum structure subject to dynamic loading.

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 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: aucune
Score de désaccord entre enseignants0,356
Score d'incertitude au seuil0,917

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,007
Tête enseignante GPT0,232
Écart entre enseignants0,225 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymer CompositesMême sujetComposite Structure Analysis and OptimizationTravaux en français237 207