Hinweis Dies ist nicht die aktuellste Version der Ressource. Diese kann hier gefunden werden: https://fordatis.fraunhofer.de/handle/fordatis/292.2
31-Okt-2022 Tabular Data https://fordatis.fraunhofer.de/handle/fordatis/292
http://dx.doi.org/10.24406/fordatis/225

Data for "Machine learning-based sampling of virtual experiments within the full stress state to identify parameters of anisotropic yield models"

Wessel, Alexander (Fraunhofer Institute for Mechanics of Materials IWM; Chair of Metal Forming and Casting, Technical University of Munich); Morand, Lukas (Fraunhofer Institute for Mechanics of Materials IWM); Butz, Alexander (Fraunhofer Institute for Mechanics of Materials IWM); Helm, Dirk (Fraunhofer Institute for Mechanics of Materials IWM); Volk, Wolfram (Chair of Metal Forming and Casting, Technical University of Munich)

IWM Fraunhofer-Institut für Werkstoffmechanik
Dateien zu dieser Ressource:
DateiBeschreibungGrößeFormat 
data.zip21,74 MBZIPÖffnen/Download
DDC Klassifikation
620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
531 Klassische Mechanik, Festkörpermechanik
672 Eisen, Stahl, andere Eisenlegierungen
Schlagworte
yield condition
anisotropic material,
crystal plasticity
machine learning
adaptive sampling
Förderer
Deutsche Forschungsgemeinschaft DFG
Zur Langanzeige

Versionshistorie
Version Ressource Datum Zusammenfassung
2 fordatis/292.2 2024-05-13 10:29:56.092 Nachreichung von Daten zur finalen Veröffentlichung.
1 fordatis/292 2022-11-17 12:44:59.0
Ausgewählte Version

Diese Ressource wurde unter folgender Copyright-Bestimmung veröffentlicht: Lizenz von Creative Commons Creative Commons