MétaCan
Menu
Retour à la cohorte
Enregistrement W3215323766 · doi:10.32920/ryerson.14663334.v1

Dynamic Finite Element Modelling and Free Vibration Analysis of Delaminated Composite Beams

2021· preprint· en· W3215323766 sur OpenAlexaff
Nicholas H. Erdelyi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueComposite Structure Analysis and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésFinite element methodDelamination (geology)VibrationStiffnessKinematicsStructural engineeringStiffness matrixComputer scienceConstraint (computer-aided design)Convergence (economics)Path (computing)Mechanical engineeringEngineeringAcousticsPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

The requirement for accurate analysis tools to predict the behaviour of delaminated composites has grown and will continue to grow into the future, due to the high demand of these materials on major structural components. In the following, a detailed analysis of single- and double-delaminated beams is made, using traditional finite element techniques, as well as two dynamic element-based techniques. The Dynamic Stiffness Matrix (DSM) and Dynamic Finite Element (DFE) techniques introduce the concept of frequency-dependent stiffness matrices and shape functions, respectively, and have been documented to exhibit excellent convergence qualities when compared to traditional finite elements. Current trends in the literature are critically examined, and insight into different types of modeling techniques and constraint types are introduced. In particular, the continuity (both kinematic and force) conditions at delamination tips plays a large role in each model’s formulation. In addition, the data previously available from a commercial finite element suite are also utilized to validate the natural frequencies of the systems analyzed here. Beam element-based techniques are used and the results are compared to those obtained using the dynamic element techniques and data from the literature. In each case excellent agreement between different techniques was observed. Finally, general concluding remarks are made on the usefulness of the presented theories, and some comments are made on the future work of this research path.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,655
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,005
Tête enseignante GPT0,200
Écart entre enseignants0,195 · 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.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetComposite Structure Analysis and OptimizationTravaux en français237 207