Topology Optimization of Cracked Structures With Manufacturing Constraints
Notice bibliographique
Résumé
Abstract Topology optimization (TO) is a tool used in the design process to improve the structure’s performance, e.g. increasing the stiffness. However, the final topologies typically include complex shapes making them impractical or unrealizable from a fabrication point-of-view. This issue stems from the limitations that the currently available manufacturing methods have, such as milling. Hence, considering these limits as the manufacturing constraints into the optimization problem would shorten the post-processing time. Moreover, the existence of initial damage such as cracks is another common issue of engineering structures, resulting in unreliable topologies if neglected. These two challenges are the main motivations of this study. A projection method is utilized to restrict the range of solutions to a manufacturable design domain by projecting the design variable into a pseudo-density field. The main advantage of this approach is that the manufacturing restrictions are achieved naturally, without adding constraints to the TO problem, which leads to a straightforward calculation of sensitivities. This technique allows the designer to define, for instance, a minimum member size as well as a minimum hole size as geometrical constraints. In order to penalize the intermediate phases, the popular Solid Isotropic Material with Penalty method (SIMP) is employed. The Peri-dynamics theory is used to study the structure’s behaviour because of its ability to introduce discontinuities without requiring complicated mathematical expressions as opposed to its counterpart mesh-based approaches. The robustness of the proposed method is demonstrated through some compliance minimization problems.
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) | 0,002 | 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 ».