An Investigation on Three-Point Bending of Foam-Filled Double Tubes and Parameter Optimization Using Response Surface Methodology
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 178
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MACS-8-1_004
تاریخ نمایه سازی: 10 شهریور 1400
چکیده مقاله:
The bending behavior of foam-filled double (FFD) tubes was studied in this study. The goal was to create an optimal structure that could absorb the most energy while weighing the least. On aluminum FFD tubes composed of inner and outer tubes (۱۱۰۰ aluminum alloy) and a composite foam core (with A۳۵۶ cast alloy base and ۰.۶ g/cm۳ density), three-point bending tests were conducted. Additionally, a finite element model of tube bending was developed and its outputs were validated using experimental data. Following that, the response surface methodology (RSM) was used to (numerically) investigate the influence of inner and outer tube diameters, inner and outer tube thickness, and foam density on bending energy and weight of FFD tubes. The impact of the investigated factors was investigated using analysis of variance (ANOVA). Finally, RSM was used to compute the best values of the parameters that result in the maximum energy absorption in bending and the lightest weight of the FFD tube. The optimization process resulted in a ۱۴۱.۴% increase in absorbed bending energy and a ۴.۶۳% reduction in the FFD composite tube's weight (in comparison to the initial design of the FFD tube).
کلیدواژه ها:
Foam-filled tubes ، Composite foam ، Design of experimentsm ، Response surface methodology (RSM) ، Optimization
نویسندگان
Abdolvahed Kami
Faculty of Mechanical Engineering, Semnan University, Semnan, ۳۵۱۳۱۱۹۱۱۱, Iran
Javad Shahbazi Karami
Faculty of Mechanical Engineering, Shahid Rajaee Teacher Training University, Tehran, ۱۶۷۸۸۱۵۸۱۱, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :