Combining Variation Simulation With Welding Simulation for Prediction of Deformation and Variation of a Final Assembly
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In most variation simulations, i.e., simulations of geometric variations in assemblies, the influence from heating and cooling processes, generated when two parts are welded together, is not taken into consideration. In most welding simulations, the influence from geometric tolerances on parts is not taken into consideration, i.e., the simulations are based on nominal parts. In this paper, these two aspects, both crucial for predicting the final outcome of an assembly, are combined. Monte Carlo simulation is used to generate a number of different non-nominal parts in a software for variation simulation. The translation and rotation matrices, representing the deviations from the nominal geometry due to positioning error, are exported to a software for welding simulation, where the effects from welding are applied. The final results are then analyzed with respect to both deviation and variation. The method is applied on a simple case, a T-weld joint, with available measurements of residual stresses and deformations. The effect of the different sources of deviation on the final outcome is analyzed and the difference between welding simulations applied to nominal parts and to disturbed (non-nominal) parts is investigated. The study shows that, in order to achieve realistic results, variation simulations should be combined with welding simulations. It does also show that welding simulations should be applied to a set of non-nominal parts since the difference between deviation of a nominal part and deviation of a non-nominal part due to influence of welding can be quite large.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle