Generating microstructures of long fiber reinforced composites by the fused sequential addition and migration method
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 We introduce the fused sequential addition and migration (fSAM) algorithm for generating microstructures of fiber composites with long, flexible, nonoverlapping fibers and industrial volume fractions. The proposed algorithm is based on modeling the fibers as polygonal chains and enforcing, on the one hand, the nonoverlapping constraints by an optimization framework. The connectivity constraints, on the other hand, are treated via constrained mechanical systems of d'Alembert type. In case of straight, that is, nonflexible, fibers, the proposed algorithm reduces to the SAM ( Comput. Mech. , 59, 247–263, 2017) algorithm, a well‐established method for generating short fiber‐reinforced composites. We provide a detailed discussion of the equations governing the motion of a flexible fiber and discuss the efficient numerical treatment. We elaborate on the integration into an existing SAM code and explain the selection of the numerical parameters. To capture the fiber length distributions of long fiber reinforced composites, we sample the fiber lengths from the Gamma distribution and introduce a strategy to incorporate extremely long fibers. We study the microstructure generation capabilities of the proposed algorithm. The computational examples demonstrate the superiority of the novel microstructure‐generation technology over the state of the art, realizing large fiber aspect ratios (up to 2800) and high fiber volume fractions (up to for an aspect ratio of 150) for experimentally measured fiber orientation tensors.
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 | 0,001 | 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