MétaCan
Menu
Retour à la cohorte
Enregistrement W4411199842 · doi:10.1115/ssdm2025-151227

Progressive Fatigue Failure Characterization of Bonded Repaired Sandwich Composites Using Experimental and Multiscale Modelling Approaches

2025· article· en· W4411199842 sur OpenAlexaff
Jacob Muthu, Ikara Makhate

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Behavior of Composites
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialCharacterization (materials science)Structural engineeringEngineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Predicting fatigue failure of composite materials is crucial for ensuring the structural integrity of aerospace structures. Both experimental and multiscale modelling (MSM) approaches were developed to characterize the failure of the bonded-repaired sandwich composites. A four-point bending setup under fatigue loading conditions was employed for experimental characterization of failure behaviors, while the MSM approach bridged micro, meso and macro length scales to analyze these behaviors. The experimental and MSM results were compared at each scale to validate the proposed MSM-based fatigue failure prediction. At the microscale level, the experimental specimen exhibited cusp-like failures due to fatigue loading. The MSM analysis showed complete failure of matrix elements after 100 cycles, while the fibre elements remained intact. At the mesoscale, both the experimental and MSM results showed steaks-like failures with distinct staggered patterns, stopping at the edge of the warp tows. Additionally, extensive inter-two failures were seen across large surface areas of the weft and warp tows. At the macroscale, the failure surfaces were wide with deep cracks resulting from progressive matrix cracking as the fatigue cycles increased. Though the focus was on critical point B, similar behaviours were also observed on critical point A as well.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,484
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,260
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMechanical Behavior of CompositesTravaux en français237 207