Prediction of Interfacial Adhesion Strength in CFRTP considering Plasticity of Matrix Resin using Numerical Material Testing and Neural Network
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
We propose a method for predicting the interfacial adhesion or bond strength of unidirectional carbon fiber reinforced thermoplastic plastics (UD-CFRTP) using a neural network (NN) and numerical material testing (NMT) that takes into account the plastic behavior of resin. In the proposed method, first, elastoplastic materials are assumed for the matrix resin, and macroscopic fracture strengths are calculated from NMTs that simulate off-axis tensile tests of UD-CFRTP. Next, a series of NMTs are performed by varying the interfacial adhesion strength between the fiber and resin, the fracture strength of the matrix resin, and the fiber volume fraction, respectively, and the relationships with the obtained macroscopic fracture strengths of UD-CFRTP are learned by the NN. Then, using the learned NNs, the microscopic interfacial adhesion strength and fracture strength of the matrix resin are predicted from the results of actual off-axis tensile tests of UDCFRTP. To verify the accuracy of the proposed method, NMTs are conducted using the predicted strengths, and the results are compared and evaluated with the results of actual off-axis tensile tests of UD-CFRTP.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle