Mechanical Behavior of Adhesively Bonded Joints Under Tensile Loading: A Synthetic Review of Configurations, Modeling, and Design Considerations
Notice bibliographique
Résumé
This review presents a comprehensive synthesis of recent advances in the tensile performance of adhesively bonded joints, focusing on applied aspects and modeling developments rather than providing a full theoretical analysis. Although many studies have addressed individual joint types or modeling techniques, an integrated review that compares joint configurations, modeling strategies, and performance optimization methods under tensile loading remains lacking. This work addresses that gap by examining the mechanical behavior of key joint types, namely, single-lap, single-strap, and double-strap joints, and highlighting their differences in stress distribution, failure mechanisms, and structural efficiency. Modeling and simulation approaches, including cohesive zone modeling, extended finite element methods, and virtual crack closure techniques, are assessed for their predictive accuracy and applicability to various joint geometries. This review also covers material and geometric enhancements, such as adherend tapering, fillets, notching, bi-adhesives, functionally graded bondlines, and nano-enhanced adhesives. These strategies are evaluated in terms of their ability to reduce stress concentrations and improve damage tolerance. Failure modes, adhesive and adherend defects, and delamination risks are also discussed. Finally, comparative insights into different joint configurations illustrate how geometry and adhesive selection influence strength, energy absorption, and weight efficiency. This review provides design-oriented guidance for optimizing bonded joints in aerospace, automotive, and structural engineering applications.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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) | 0,001 | 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 ».