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, Yohann Vautrin

Article de revue (2026)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel

Mots clés

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)
Adresse 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
OAI:
oai:publications.polymtl.ca:82378
ORCID
Date du dépôt:
21 sept. 2026 10:07
Dernière modification:
14 oct. 2026 14:48
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

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document