An advanced finite element–AI coupled framework for high–fidelity and efficient prediction of residual stresses and distortions in laser powder bed fusion

Hossein Mohammadtaheri, Ramin Sedaghati, Marjan Molavi-Zarandi, Hamed Naseri, Ali Bonakdar et Yohann Vautrin

Article de revue (2026)

Un lien externe est disponible pour ce document

Afficher le résumé

Cacher le résumé

Mots clés

• Additive Manufacturing Materials and Processes
• Additive Manufacturing and 3D Printing Technologies
• Automotive Engineering
• Mechanical Engineering
• Welding Techniques and Residual Stresses

Département:	Département des génies civil, géologique et des mines
Organismes subventionnaires:	National Research Council Canada (NRC), Fonds de Recherche du Québec – Nature et Technologies (FRQNT), Metal Transformation Research and Innovation Consortium (CRITM)
URL de PolyPublie:	https://publications.polymtl.ca/82378/
Titre de la revue:	Computational Mechanics
Maison d'édition:	Springer Science+Business Media
DOI:	10.1007/s00466-026-02857-9
URL officielle:	https://doi.org/10.1007/s00466-026-02857-9
Date du dépôt:	21 sept. 2026 10:07
Dernière modification:	21 sept. 2026 10:07

Citer en APA 7:	Mohammadtaheri, H., Sedaghati, R., Molavi-Zarandi, M., Naseri, H., Bonakdar, A., & Vautrin, Y. (2026). An advanced finite element–AI coupled framework for high–fidelity and efficient prediction of residual stresses and distortions in laser powder bed fusion. Computational Mechanics, 21 pages. https://doi.org/10.1007/s00466-026-02857-9
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Dimensions

Actions réservées au personnel

Afficher document