A multiscale modeling technique for buckling analysis of rectangular multiphase nanocomposite plates reinforced with alumina nanoparticles and discontinuous carbon fibers
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
This study presents the buckling analysis of rectangular multiphase nanocomposite plates reinforced with alumina nanoparticles and discontinuous carbon fibers (DCFs), resting on an elastic foundation and subjected to different boundary conditions. A key contribution of this work is developing a multiscale computational framework that bridges microscale material modeling and macroscale structural analysis. The mechanical properties of nano-alumina/DCF/polymer nanocomposites are estimated using a micromechanical model considering important microstructures. The multiphase nanocomposite plate is modeled using the first-order shear deformation theory (FSDT), while the Winkler and Pasternak foundation models are employed to simulate the substrate. By constructing the system’s total potential energy functional and applying the p-Ritz method, numerical results are generated to investigate the influences of percentage, diameter and agglomeration of nano-alumina, size and stiffness of the nanoparticle/polymer interfacial layer, volume fraction and aspect ratio of DCFs, elastic foundation characteristics, and geometric parameters of the plate on the critical buckling loads. Three buckling cases namely uniaxial, biaxial, and shear buckling, are analyzed. It is observed that dispersing the alumina nanoparticles into the polymer matrix of DCFs increases the structural rigidity and elevates the critical buckling load. Larger nanoparticle diameters lead to a decline in buckling resistance of the multiphase nanocomposite plates.
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) | 0,001 | 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