Understanding the effects of stochastic morphology on compressive behavior in freeze‐casted alumina ceramic
Notice bibliographique
Résumé
Abstract This study developed a macroscale homogenized progressive failure analysis (PFA) model to connect the distribution of morphological parameters in freeze‐casted ceramics to variability in mechanical compressive behavior. The proposed homogenized anisotropic finite element failure model incorporated stochastic material features, such as lamellar wall misalignment and local material defects. The model was validated experimentally, allowing for the investigation of the impact of variable morphology that develops during fabrication on the failure behavior. Compressive testing of freeze‐cast alumina samples was used to determine the mechanical behavior in various material directions, while the proposed computational model accurately predicted the effective stiffness and strength. The incorporation of stochastic morphology was shown to influence the onset of damage and its propagation, allowing for a greater match with the experimentally observed strain distribution on the material surface. The average stress‒strain curve was compared using functional analysis of variance and showed good agreement between the experimental results and the modeling predictions. Confidence interval envelopes were constructed around the group mean stress–strain curves based on PFA and experimental data, allowing the calculation of the range for predicted strength with 75%–85% accuracy based on the proposed morphological features captured in the homogenization scheme. The proposed computational framework establishes a processing–internal structure–property relationship in freeze‐casted materials and demonstrates the importance of considering microstructural variability in predicting compressive mechanical behavior and associated variability.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».