Strength design optimization of sandwich composite structures under heavy dynamic loads
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
Abstract Recent researches have witnessed an increased interest in the Rapid Runway Repair (RRR) methods to rehabilitate damages that may be caused by different incidents, such as: natural disasters of earthquakes, floods or man-made vandalism in civil wars. RRR is a strategic process for airport operations for civil and peace-making missions. The current RRR techniques like precast concrete slabs, metal mats, and fiberglass mats have different pros and cons. The current study numerically investigates CFRP sandwich composite structure for RRR usage, where its strength is maximized by design optimization to reach the possible carrying aircraft wheel capacity and safety factors. The proposed composite structure is advantageous of no corrosion, low erection time, high capacity-to-weight ratio, same finish of runway surface and repaired area, and can be applied over spots of unlevelled or inadequate bearing capacity of 60 cm diameter. The strength of the basic design of composite sandwich structure is first assessed to its maximum allowed carrying aircraft wheel capacity by FE modelling. Secondly, The Genetic Algorithm (GA) optimization technique is applied for maximizing the strength of the composite structure webs satisfying the minimum safety factor of five failure criteria of Tsai-Wu, Tsai-hill, Hoffman, Hashin and maximum stress. Finally, the achieved results promoted the usage of the composite structure to operate at the taxiways, runways, and theoretically, landing and take-off areas.
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