MétaCan
Menu
Retour à la cohorte
Enregistrement W2031982284 · doi:10.1115/1.2815340

Virtual Five-Axis Flank Milling of Jet Engine Impellers—Part II: Feed Rate Optimization of Five-Axis Flank Milling

2008· article· en· W2031982284 sur OpenAlexafffund
W. Ferry, Yusuf Altıntaş

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPratt and Whitney Canada
Mots-clésDeflection (physics)Control theory (sociology)Machine toolNonlinear systemImpellerTorqueMechanical engineeringEngineeringComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents process optimization for the five-axis flank milling of jet engine impellers based on the mechanics model explained in Part I. The process is optimized by varying the feed automatically as the tool-workpiece engagements, i.e., the process, vary along the tool path. The feed is adjusted by limiting feed-dependent peak outputs to a set of user-defined constraints. The constraints are the tool shank bending stress, tool deflection, maximum chip load (to avoid edge chipping), and the torque limit of the machine. The linear and angular feeds of the tool are optimized by two different methods—a multiconstraint based virtual adaptive control of the process and a nonlinear root-finding algorithm. The five-axis milling process is simulated in a virtual environment, and the resulting process outputs are stored at each position along the tool path. The process is recursively fitted to a first-order process with a time-varying gain and a fixed time constant, and a simple proportional-integral controller is adaptively tuned to operate the machine at threshold levels by manipulating the feed rate. As an alternative to the virtual adaptive process control, the feed rate is optimized by a nonlinear root-finding algorithm. The virtual cutting process is modeled as a black box function of feed and the optimum feed is solved for iteratively, respecting tool stress, tool deflection, torque, and chip load constraints. Both methods are shown to produce almost identical optimized feed rate profiles for the roughing tool path discussed in Paper I. The new feed rate profiles are shown to considerably reduce the cycle time of the impeller while avoiding process faults that may damage the part or the machine.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,201
Écart entre enseignants0,193 · 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 source (Gemma direct ou Codex distillé), 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

Citations45
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetAdvanced machining processes and optimizationTravaux en français237 207