Topology optimization of adaptive sandwich plates with magnetorheological core layer for improved vibration attenuation
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
In this study the optimum topology distribution of the magnetorheological elastomer (MRE) layer in an adaptive sandwich plate is investigated. The adaptive sandwich plate consists of an MR elastomer layer embedded between two thin elastic plates. A finite element model has been first formulated to derive the governing equations of motion. A design optimization methodology incorporating the developed finite element model has been subsequently developed to identify the optimum topology treatment of the MR layer to enhance the vibration control in wide-band frequency range. For this purpose, the dynamic compliance and density of each element are defined as the objective function and design variables in the optimization problem, respectively. The method of the solid isotropic material with penalization (SIMP), is extended for material properties interpolation leading to a new MRE-based penalization (MREP) model. Method of moving asymptotes (MMA) has been subsequently utilized to solve the optimization problem. The developed finite element model and design optimization method are first validated using benchmark problems. The proposed design optimization methodology is then effectively utilized to investigate the optimal topologies of the magnetorheological elastomer (MRE) core layer in MRE-based sandwich plates under various boundary and loading conditions. Results show the effectiveness of the proposed design optimization methodology for topology optimization of MRE-based sandwich panels to mitigate the vibration in wide range of frequencies.
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 | 0,000 |
| 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