A 3D finite element model to simulate progressive damage in unidirectional- and woven-fibre thermoplastic discontinuous-long-fibre composites
Notice bibliographique
Résumé
Discontinuous-long-fibre (DLF) composites fabricated from pre-impregnated unidirectional (UD) fibre chips are susceptible to structural deficiency. The in-plane highly anisotropic mechanical properties of the chips combined with the random nature of fibre orientation causes local weaknesses within the material when fibres are perpendicular to the load. Recent experimental results have shown that using woven-fibre chips could improve the performance of DLF composites by increasing their average mechanical properties and reducing their variability. To better understand the underlying phenomenon giving an advantage to the woven chips, a finite element model was developed to predict the mechanical properties obtained from a standard tensile test. DLF chips were modelled based on a voxel method where random chip positions were generated by an algorithm developed in this work. ANSYS® software was utilized to model the non-linear response associated with progressive damage of the composite. The maximum stress and the Puck failure criteria were employed to define damage initiation for the woven and UD fibres, respectively. Tensile modulus predictions for both types of chips showed good results when compared to experimental data. Strength predictions for the UD fibres also showed good correlation with experimental results, but the model overestimated the strength of the woven-fibre DLF composite. It appeared that the failure of the UD-fibre composites was associated with matrix failure (transverse tension and in-plane shear). Woven-fibre composites, however, showed damage modes linked to both fibre failure (longitudinal tension) and matrix failure (transverse tension and in-plane shear).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».