Finite Element Modeling of 3D Printed Parts With Defects
Notice bibliographique
Résumé
To manufacture a component, one first needs to assess its structural design performance, damage tolerance, and service experience, and validate them with pertinent test results. Finite Element (FE) modeling can predict mechanical performance, save time and cost by limiting required structural testing. 3D printing is a layer-by-layer manufacturing technology that has been widely used for rapid prototyping applications in product design and development. Recently, there has been a move towards manufacturing functional products using 3D printing, which requires materials mechanical characterization and simulation. Mechanical characterization testing results are available for 3D printed ASTM D638 tensile coupons without defects, i.e. tension along (0°) and transverse (90°) to the printing direction, and a quasiisotropic stacking sequence. In addition, tensile test results of a quasi-isotropic coupon with intentional defects are also available. In this project, FE models of the coupons are created to obtain their tensile strength, modulus, and failure strain. First ply, last ply failure and stiffness reduction iterative approach have been implemented on a 2D shell model. MSC Software is used to simulate the analyses due to its ease of use for composites using 2d shell elements. This simulation is then extended to predict strength and stiffness of a quasi-isotropic coupon with defects. The analysis is also extended to implement progressive failure analysis to predict the ultimate strength of the laminate. For coupons without defects, FE models estimated test results of stiffness and strength within 1% error, while the error for estimating failure strain is higher. For coupons with defects, the error in calculating stiffness and strength is below 8%, while it is higher for failure strain. Although the stress-strain curve from FE simulation looks similar to experimental result, it is found that progressive failure analysis is necessary for obtaining failure strain values with acceptable error percentage.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».