Laser powder bed fusion of bio-inspired metamaterials for energy absorption applications: A review
Notice bibliographique
Résumé
A significant amount of research has been done in the last few decades to reduce the risk of injury for occupants and the structures that are subjected to impact loading. Metamaterials have been proven to be useful in energy-absorbing structures to improve a structure's crashworthiness performance by reducing the negative impacts during collision. The metal additive manufacturing industry, especially Laser Powder Bed Fusion (LPBF), has made it easier to produce complex metamaterials with remarkable mechanical characteristics like lightweight, high specific strength, and effective energy absorption. This review paper investigates the transformative potential of bio-inspired metamaterial designs, which are additively manufactured using LPBF machines, for use in protective energy-absorbing structures. First, biomimicry in engineering is briefly discussed. The review focuses on the energy absorption performance of different designs, like thin-walled structures and different bio-inspired metamaterials. It discusses the effects of base metal, process conditions, and manufacturing defects. Optimization methods to enhance the design and crashworthiness of these bio-inspired energy absorbers are investigated. Various characterization methodologies including experimental techniques and numerical simulations, are highlighted, with a particular emphasis on integrating manufacturing defects into simulations. Finally, possible applications and future trends in aerospace, automotive, construction, and medical applications are reviewed. Despite decades of research into energy absorbers, there remains a lack of a comprehensive review on the use of additively manufactured metamaterials as energy absorbers, particularly those inspired by nature. This review paper addresses this gap by examining recent studies in the field, assessing the effectiveness of various bio-inspired metamaterial designs, their crashworthiness, and the associated characterization methods under different loading scenarios.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».