MétaCan
Menu
Retour à la cohorte
Enregistrement W4388105263 · doi:10.21203/rs.3.rs-3446221/v1

Structures under Multiple Design-Dependent Loads: Topology Optimization Enabled by Load Thresholding and Sensitivity Scaling

2023· preprint· en· W4388105263 sur OpenAlexaff
Osezua Ibhadode, Ali Bonakdar, Ehsan Toyserkani

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensUniversity of AlbertaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésThermoelastic dampingTopology optimizationSensitivity (control systems)Topology (electrical circuits)InertiaScalingMathematical optimizationControl theory (sociology)Structural engineeringComputer scienceMathematicsMechanicsEngineeringFinite element methodPhysicsThermalGeometryClassical mechanicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract Topology optimization of structures subjected to both design-independent loads, such as point forces and constant elevated temperatures, and design-dependent loads, including distributed temperature and pressure abound. However, fewer studies have addressed the optimization of structures when multiple design-dependent load cases interact. This study focuses on optimizing a rotating structure subject to an elevated temperature distribution and a point force. Firstly, we establish theoretical frameworks for thermoelastic stress loads, steady-state heat transfer, and rotational inertia loads. Secondly, we introduce the concept of load thresholding for managing complex load conditions. Thirdly, we develop a weighted multi-objective topology optimization framework and perform sensitivity analysis for a combination of design-dependent loads (centrifugal and thermoelastic stress loads) and design-independent point force. To enhance numerical stability, we incorporate scale factors into the consolidated sensitivity equation. Our results demonstrate that the adoption of load thresholding, sensitivity scaling, and reduced weight factors (typically below 0.5) for TSLs and centrifugal loads not only reduces numerical instabilities but also yields structures with lower compliance values and more distinctive topologies.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: aucune
Score de désaccord entre enseignants0,937
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,055
Tête enseignante GPT0,325
Écart entre enseignants0,270 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetTopology Optimization in EngineeringTravaux en français237 207