MétaCan
Menu
Retour à la cohorte
Enregistrement W2001641369 · doi:10.1504/ijat.2014.060695

High removal rate grinding of titanium alloys with electroplated CBN wheels

2014· article· en· W2001641369 sur OpenAlexafffund
Zhongde Shi, Helmi Attia

Notice bibliographique

RevueInternational Journal of Abrasive Technology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Research Council Canada
Mots-clésMaterials scienceGrindGrindingTitanium alloyElectroplatingMetallurgySurface roughnessTitaniumGrinding wheelSurface finishComposite materialAlloyCreep feedingLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

This paper is concerned with an experimental study on the grinding of a titanium alloy using electroplated CBN wheels with water-based grinding fluid and wheel surface cleaning fluid applied at high pressures. The objective is to explore the approaches and conditions to grind titanium alloys with enhanced material removal rates. Straight surface grinding experiments were conducted on titanium alloy blocks in both shallow depth of cut and creep-feed modes. Grinding power, forces, surface roughness, and radial wheel wear were measured. Specific material removal rates of 8 mm2/s in shallow cut mode and 3 mm2/s at a depth of cut as high as 3 mm in creep-feed mode were achieved without burning and smearing of ground surfaces. An average G-ratio of about 155 was obtained with a shallow depth of cut grinding condition. It was showed that it is feasible to grind titanium alloys with electroplated CBN wheels at enhanced removal rates by applying grinding and wheel cleaning fluid at high pressures.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,693
Score d'incertitude au seuil0,347

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,002
Tête enseignante GPT0,205
Écart entre enseignants0,202 · 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

Citations7
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Abrasive TechnologyMême sujetAdvanced machining processes and optimizationTravaux en français237 207