Optimization of infill density, fiber angle, carbon fiber layer position in 3D printed continuous carbon-fiber reinforced nylon composite
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
Composite materials have gained much attention in various industries, such as aerospace, automotive, sports, marine, and construction, as these sectors rely on high-performance, durable, and cost-effective materials. Such materials offer high strength, stiffness and heat resistance. However, the influence of printing parameters especially the position of carbon fiber layer on such material is rarely found in literature. The current study focuses on optimizing different printing and testing parameters such as carbon fiber layer position, infill density, fiber angle, and strain rate in 3D printed carbon-fiber reinforced nylon composite. The study also recommended the optimal combination of these parameters for maximizing the mechanical strength and energy absorption of related 3D printed parts. The investigation revealed that the most optimum condition was 80% infill density, fiber angle of 0°, carbon fiber layer position of 12–13, and strain rate of 10 mm/min. It has been found in the study that fiber angle was the most dominant input parameter with a contribution of 54.13%, whereas infill density was the second dominant parameter with a contribution of 16.25%. The study also found that the position of the carbon fiber layer has comparatively less effect on the final mechanical properties of 3D printed parts, with a contribution of 10.12%. To facilitate the optimization, the outcomes will be helpful for designing and manufacturing 3D printed carbon-fiber reinforced nylon composite parts.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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