Computational Design of Active 3D-Printed Multi-State Structures for Shape Morphing
Notice bibliographique
Résumé
Active structures have the ability to change their shape, properties, and functionality as a response to changing operational conditions, which makes them more versatile than their static counterparts. However, most active structures currently lack the capability to achieve multiple, different target states with a single input actuation or require a tedious material programming step. Furthermore, the systematic design and fabrication of active structures is still a challenge as many structures are designed by hand in a trial and error process and thus are limited by engineers' knowledge and experience. In this work, a computational design and fabrication framework is proposed to generate structures with multiple target states for one input actuation that don't require a separate training step. A material dithering scheme based on multi-material 3D printing is combined with locally applied copper coil heating elements and sequential heating patterns to control the thermo-mechanical properties of the structures and switch between the different deformation modes. A novel topology optimization approach based on power diagrams is used to encode the different target states in the structure while ensuring the fabricability of the structures and the compatibility with the drop-in heating elements. The versatility of the proposed framework is demonstrated for four different example structures from engineering and computer graphics. The numerical and experimental results show that the optimization framework can produce structures that show the desired motion, but experimental accuracy is limited by current fabrication methods. The generality of the proposed method makes it suitable for the development of structures for applications in many different fields from aerospace to robotics to animated fabrication in computer graphics.
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) | 0,000 | 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 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 ».