NGHIÊN CỨU DỰ ĐOÁN ỨNG SUẤT KÉO CỦA KẾT CẤU DẠNG LATTICE

Tóm tắt

Nghiên cứu này tập trung vào việc dự đoán ứng suất kéo của kết cấu dạng lattice, một loại cấu trúc nhẹ và bền được ứng dụng rộng rãi trong các ngành công nghiệp như hàng không, ô tô và y sinh. Bằng cách sử dụng mô hình hóa số và phương pháp phần tử hữu hạn (FEM), nghiên cứu phân tích hành vi cơ học của các mẫu lattice dưới tải kéo. Các tham số như hình dạng ô lưới, tỷ lệ thể tích và vật liệu được đánh giá để xác định ảnh hưởng đến ứng suất kéo tối đa. Kết quả cho thấy các cấu trúc lattice với ô lưới hình học tối ưu hóa có khả năng chịu tải vượt trội so với các thiết kế truyền thống. Nghiên cứu cũng đề xuất một mô hình dự đoán ứng suất kéo dựa trên học máy, cải thiện độ chính xác và giảm thời gian tính toán. Những phát hiện này cung cấp cơ sở cho việc thiết kế các kết cấu lattice hiệu quả hơn trong các ứng dụng thực tiễn

Từ khóa:

Ứng suất kéo; Kết cấu lattice; Phần tử hữu hạn; Học máy; Thiết kế tối ưu

Title

RESEARCH ON PREDICTING TENSILE STRESS OF LATTICE STRUCTURES

Abstract

This study focuses on predicting the tensile stress of lattice structures, lightweight and robust frameworks widely used in industries such as aerospace, automotive, and biomedical engineering. By employing numerical modeling and finite element method (FEM), the research analyzes the mechanical behavior of lattice samples under tensile loading. Parameters such as lattice cell geometry, volume fraction, and material properties are evaluated to determine their impact on maximum tensile stress. The results demonstrate that lattice structures with optimized geometric cells exhibit superior load-bearing capacity compared to conventional designs. Additionally, the study proposes a machine learning-based model for predicting tensile stress, enhancing accuracy and reducing computational time. These findings provide a foundation for designing more efficient lattice structures for practical applications

Keywords:

Tensile stress; Lattice structures; Finite element method; Machine learning; Optimal design

Tải xuống

Ngày nhận bài:

05-05-2025

Ngày phản biện:

26-05-2025

Ngày nhận bài sửa:

29-05-2025

Ngày duyệt đăng:

31-05-2025

Ngày xuất bản:

25-06-2025
NGHIÊN CỨU – TRAO ĐỔI
Lượt xem
0
Lượt tải
0