MétaCan
Menu
Retour à la cohorte
Enregistrement W4220797504 · doi:10.1177/00219983221074511

Detailed structural analysis for fiber-reinforced polymer with singularities via FETI domain decomposition

2022· article· en· W4220797504 sur OpenAlexaboutno aff
DuHyun Gong, Seung-Hoon Kang, HyunShig Joo, Haeseong Cho, TaeYoung Chun

Notice bibliographique

RevueJournal of Composite Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Behavior of Composites
Établissements canadiensnon disponible
Organismes subventionnairesKorea Agency for Infrastructure Technology AdvancementNational Research Foundation of Korea
Mots-clésDomain decomposition methodsFinite element methodDiscretizationDegrees of freedom (physics and chemistry)SingularityComputationWeavingComputer scienceDomain (mathematical analysis)Materials scienceStructural engineeringParallel computingComposite materialAlgorithmMathematicsMathematical analysisEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The conventional representative volume element approach may not be accurate enough in examining stress distribution near singularity in a composite. However, enormous number of degrees of freedom (DOFs) is usually required to discretize the subcomponents within the composite structure; hence, it may not be handled in a single CPU. In this study, the finite element tearing and interconnecting algorithm, a domain decomposition method, is proposed to address the challenges posed by such enormous number of DOFs via parallel computation. Owing to the message passing interface, analyses in this study will be conducted on the parallel computing environment. Furthermore, the METIS algorithm is adopted to automatically divide the solid domain into certain number of subdomains. Consequently, the fiber-reinforced polymer which possesses either a crack or notch discretized by over 10 million DOFs will be readily analyzed. The computational time is reduced significantly compared against the original one. Also, the stress and stiffness predictions show good agreement with those by the other existing analyses or experiments. Therefore, this study is expected to be fast and accurate in analyzing composite structures with enormous number of DOFs.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,235
Écart entre enseignants0,227 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Composite MaterialsMême sujetMechanical Behavior of CompositesTravaux en français237 207