MétaCan
Menu
Retour à la cohorte
Enregistrement W4283368307 · doi:10.3390/jcs6020064

Fundamental Frequency Optimization of Variable Angle Tow Laminates with Embedded Gap Defects

2022· article· en· W4283368307 sur OpenAlexafffund
João Carvalho, Abdolrasoul Sohouli, Afzal Suleman

Notice bibliographique

RevueJournal of Composites Science · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueComposite Structure Analysis and Optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesFundação para a Ciência e a TecnologiaNatural Sciences and Engineering Research Council of Canada
Mots-clésStiffnessComposite laminatesMaximizationFiberComposite numberMaterials scienceVariable (mathematics)Fundamental frequencyWork (physics)Structural engineeringProcess (computing)Computer scienceComposite materialMechanical engineeringAcousticsEngineeringMathematical optimizationMathematicsMathematical analysisPhysics

Résumé

récupéré en direct d'OpenAlex

Variable stiffness composite laminates can improve the structural performance of composite structures by expanding the design space. This work explores the application of variable stiffness laminated composite structures to maximize the fundamental frequency by optimizing the tow angle. To this end, an optimization framework is developed to design the fiber angle for each layer based on the maximization of the fundamental frequency. It is assumed that the design process includes the manufacturing constraints encountered in the automated fiber placement process and a linear fiber angle variation. The current study improves existing results by considering embedded gap defects within the optimization framework. The plates are assumed symmetric, with clamped and simply supported boundary conditions. The optimal results and a comparison between the non-steered and steered plates with and without gaps are presented. Results show that, although gaps deteriorate the structural performance, fiber steering can still lead to an increase in the fundamental frequency depending on the plate’s geometry and boundary conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,004
Tête enseignante GPT0,195
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations16
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Composites ScienceMême sujetComposite Structure Analysis and OptimizationTravaux en français237 207