Frequency-Constrained Multi-Material Topology Optimization: Commercial Solver Integrable Sensitivities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Numerical tools such as topology optimization (TO) have seen large development in both academic and industrial settings, enabling the optimization of structural objectives and/or attributes, subject to a wide range of constraints, pertinent to the engineering and design problems of automotive and aerospace industries. Classical TO methods assume the use of a single material (SMTO), however, a recent and important advancement in this field is that of multi-material topology optimization (MMTO), capable of simultaneous material existence and selection optimization. This is of heightened importance in the aforementioned industries, where many costly engineering materials can be used, but their selection is delegated to engineer experience. Consideration of modal characteristics (i.e., natural frequencies) in MMTO efforts have seen marginal development in recent years, yet is vital to both industries, who’s products are each subject to uncontrolled environments and vibratory motion. Where frequency has been considered in MMTO, mathematical frameworks require the usage of model attributes that are not extractable from commercial finite element analysis (FEA) solvers, leading to reduced computational efficiency. This paper presents an advancement of the frequency-constrained MMTO sensitivities previously utilized in SMTO, enabling the use of commercial solvers, thus inheriting computational improvements. A derivation of sensitivities, a detailed discussion, and analysis of two case studies have been included, so as to provide the reader with a sound understanding of the nature of the constraint sensitivities, and how they may be able to intuit results.</div></div>
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle