Damping optimization of a fully viscoelastic structure with enforced mass reduction
Notice bibliographique
Résumé
Current damping methods employed in industry, such as Constrained Layer Damping (CLD), all require the introduction of additional mass and a secondary material to the structure. In transportation industries, this weight addition is often correlated with an increase in operational costs. Additionally, in applications with large temperature changes, such as in space, the secondary material introduces an additional source of stress during thermal expansion and contraction. This work presents a methodology to significantly improve the damping performance of a fully viscoelastic, single material structure while also enforcing a mass reduction. The work expands upon the modal strain energy (MSE) method to calculate the damping performance of a fully viscoelastic structure and develops a novel weighting scheme to make the optimization more robust. The methodology is then implemented on a technology demonstration thermoplastic lunar rover. This implementation demonstrates the ability to optimize a fully viscoelastic structure to significantly improve the damping performance while also achieving a large decrease in mass. The implementation also demonstrates the robustness of the weighting scheme as it allows the natural frequencies to shift between iterations. The skin thickness of the rover’s base panel was optimized. After optimization, the base panel of the rover achieved a 20% damping improvement for Mode 1 with a 9% mass reduction. The skin thickness of the full rover was optimized and achieved a 15% damping improvement for Mode 2 with an 11% mass reduction.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».