MétaCan
Menu
Retour à la cohorte

Influence of Surface Defect Geometry on the Localization and Failure of AA6111 Sheet: Necking versus Shear

2006· article· en· W2001365995 sur OpenAlexaff
A.K. Pilkey, Christopher Bayley, Michael Gyorffy

Notice bibliographique

RevueMaterials science forum · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésNeckingMaterials scienceShearing (physics)Finite element methodIsotropyShear (geology)Composite materialWavelengthGeometrySubstructureFormabilityHardening (computing)Ultimate tensile strengthForming limit diagramMechanicsStructural engineeringOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

The influence of surface defect geometry on the localization and failure behaviour of AA6111 sheet has been investigated through experimentation and numerical modelling. A series of uniaxial tensile samples were produced with idealized top and bottom surface defects (i.e. grooves), located either symmetrically or asymmetrically on the opposing surfaces. The symmetric arrangement corresponds to the “groove-like” initial imperfection of the classical Marciniak- Kuczyński (M-K) model. Experimental results indicate that both the symmetry of the defects and their wavelength have a profound effect on the resulting mode of localization and failure as well as on the limit strains. Specifically, symmetric surface defects are seen to induce localization and failure through simple necking, whereas asymmetric defects tend to promote macroscopic, throughthickness shearing. Furthermore, asymmetric surface defect geometries are found to produce lower limit strains in the AA6111 sheet under study for defect wavelengths below about 1.5 mm, while the reverse is true when defect wavelengths are above 1.5 mm. Finite element method (FEM) modelling simulations are also presented, demonstrating that the experimentally-observed trends in localization and failure behaviour can be replicated using a mixed isotropic-kinematic hardening implementation of the Gurson-Tvergaard-Needleman (GTN) material model.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,270
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetMetal Forming Simulation TechniquesTravaux en français237 207