MétaCan
Menu
Retour à la cohorte
Enregistrement W2008431418 · doi:10.1243/1464419011544349

On machining dynamics of flexible parts

2001· article· en· W2008431418 sur OpenAlexaff
Farid Abrari, M.A. Elbestawi, Allan D. Spence

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part K Journal of Multi-body Dynamics · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMachiningMechanical engineeringDeflection (physics)Machine toolTorqueFinite element methodComputer scienceNumerical controlEngineeringCutting toolTool pathEngineering drawingStructural engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Solid modellers are now well established for computer aided design of mechanical parts. Machining applications, however, remain limited to geometric tool path planning. The physical aspects of the process are largely ignored. Success in actual machining, however, depends on consideration of cutting forces, torques, part and tool deflection, chatter, tool breakage and wear. This paper reports research progress towards a comprehensive simulation of the physical machining process of thin flexible parts. The system is based on extensions to a commercially available solid modeller. Cutting tool location data (CL-DATA) files along with an initial solid model of the workpiece are inputs. Each tool motion is segmented into short steps along the path and angular increments of spindle rotation. At each simulation step, immersion of the cutting tool teeth with the part is calculated. This information is then used by a machining process model to calculate cutting forces and tool/workpiece deflection. Up to five-axis motion is supported using a sweep representation of the tool swept volume. Flexible tools are modelled as cantilevers; flexible parts are created as solid models, are meshed and are dynamically solved using finite element analysis. The mesh is updated as material is machined away from the part.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil0,739

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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,228 · 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'étudeSimulation ou modélisation
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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part K Journal of Multi-body DynamicsMême sujetAdvanced machining processes and optimizationTravaux en français237 207