Assessment of Hashin’s failure criteria in finite element modelling oforthogonal cutting of fiber-reinforced composites
Notice bibliographique
Résumé
Abstract: Fiber-reinforced composite materials are widely used in aerospace structures because of their high stiffness, high strength and high fatigue properties. Yet, machining of this type of materials during manufacturing is still challenging because of the undesirable and unwanted damage around the machining area. To avoid that, finite element simulation paves the way to predict the induced damage and to customize the machining parameters. How to develop a robust finite element model for composite machining, however, is still an open question due to the complexity of the failure mechanisms of fiber-reinforced composite. Although in the previous research the simulations were experimentally validated, our literature review shows that there is still a research gap at the level of verification and convergence of the results. In this study, we built a 2D finite element model to predict the reaction force over the cutting tool during orthogonal cutting of glass fiber-reinforced composites. Verification was conducted in the context of mesh refinement and convergence study. Two finite element problems were solved, one material without any failure criteria and one with Hashin failure criteria were examined. The results show that the former converged for the element size of less than 0.008 mm and the later did not converge even at a very fine mesh with an element size of 0.004 mm. Adding a damage model to the contact simulation of orthogonal cutting of composite materials significantly amplified the discretization error. The predicted maximum cutting force decreased 97% when the element size was decreased from 0.01 mm to 0.004 mm. Hence, we believe more comprehensive research is needed on verification of existing material models for simulation of machining of composite.
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 | 0,000 | 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 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 ».