A coupled non-orthogonal hypoelastic constitutive model for woven fabrics
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
Wrinkling, a common manufacturing-induced defect, can be delayed in dry woven fabrics by applying tension during processing. Such a known solution in industrial practice, is still not sufficiently implemented in the modeling and simulation of woven fabrics. This study proposes a new constitutive model considering fabric’s inherent coupling, non-orthogonality, and non-linearity. First, the intrinsic coupling in question is distinguished from the typical coupling presented by the Hook’s law. Then, the most influential forms of coupling are chosen and introduced to the model. Moreover, via experimental evidence, we reveal that the concept of inherent coupling raises a new issue: the load history dependency of the fabric. Accordingly, the base model was evolved to a hypoelastic form to capture this dependency. The stiffness functions of the introduced model are determined, considering the mechanical behavior of a typical polypropylene (PP)/glass plain weave and the underlying meso-scale sources of the coupling. An inverse method was employed to identify the unknown model parameters. While the basic loading modes such as the uniaxial tension and picture frame tests are utilized for model calibration, the more complex loading conditions such as the simultaneous biaxial tensile-shear test, which would be more comparable to actual forming processes, are selected as the independent datasets to validate accuracy of the model. Comparisons with the experimental results demonstrated that the coupled model predicts the behavior of the fabric more accurately than the uncoupled model.
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