Stress-Constrained Multi-Material Topology Optimization
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
<div class="section abstract"><div class="htmlview paragraph">The study and application of Topology Optimization (TO) has experienced great maturity in recent years, presenting itself as a highly influential and sought-after design tool in both the automotive and aerospace industries. TO has experienced development from single material topology optimization (SMTO) to multi-material topology optimization (MMTO), where material selection is simultaneously optimized with material existence. Today, MMTO for standard structural optimization responses are well supported. An additional and vital response in the design of structures is that of stress. Stress-driven or stress-controlled optimization techniques for SMTO are well understood and have been well-documented, evidenced by both published works and its availability in multiple commercial solvers. However, its integration into MMTO frameworks has not yet achieved reliable levels of accuracy and flexibility. The principal limitation of existing stress-constrained MMTO methodologies is the inability to consider candidate material-specific stress limits. Another limitation is that candidate materials cannot have different Poisson’s ratios. Herein, the study of stress-constrained MMTO is extended to consider material-specific yield stresses by introducing a novel stress limit interpolation scheme on P-norm aggregation scheme. Moreover, a stress correction method is extended from SMTO to MMTO, to avoid the stress overestimation issue. In support of the discussion on the constraint and its characteristics, its sensitivities are derived. The proposed method is examined on both 2D and 3D models, including the comparison to the results obtained by the existing commercial solver and on models with more than one million elements or multiple load cases to present the effectiveness of the proposed method.</div></div>
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 | 0,001 |
| 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