A novel approach to recoil pad enhancement in rifles via topological design with material extrusion and SLA
Notice bibliographique
Résumé
Excessive recoil in firearms reduces shooting accuracy, causes user discomfort, and increases mechanical wear over time. This creates a need for effective solutions that can improve recoil management. This study investigates the use of advanced lattice structures made from thermoplastic polyurethane (TPU) and resin to enhance vibration damping and impact absorption in firearm components. Four lattice geometries were used, including Voronoi, Weaire Phelan, Gyroid, and Kelvin Cell. These structures were fabricated using two additive manufacturing methods. Material extrusion was applied for TPU parts to provide flexibility and strength, while Stereolithography (SLA), a light-based resin curing technique, was used to produce intricate resin structures. These approaches highlight the adaptability of additive manufacturing in producing functional parts that offer both vibration control and impact resistance. The performance of each structure was evaluated through vibration damping in two modes, rapid impact testing, and compression strength assessments. TPU samples consistently outperformed resin in both damping and energy absorption. Voronoi TPU exhibited the highest damping ratio, improving by 331 percent in the first mode with a value of 1.25 and by 300 percent in the second mode with a value of 0.20 compared to the original solid part. Weaire Phelan TPU reached the highest impact energy absorption at 6.45 joules, which is an improvement of 18.14 percent. Gyroid TPU absorbed energy the fastest, reaching a peak of 5.4 joules in only 14 milliseconds. This study introduces a new design approach by applying lattice structures to recoil pads, enabling enhanced performance and a high degree of customization.
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 | 0,000 | 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 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 ».