Effects of Strain Hardening and Initial Yield Strength on Machining-Induced Residual Stresses
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
Finite element analysis was used in the current study to examine the effects of strain hardening and initial yield strength of workpiece material on machining-induced residual stresses (RS). An arbitrary–Lagrangian–Eulerian finite element model was built to simulate orthogonal dry cutting with continuous chip formation, then a pure Lagrangian analysis was used to predict the induced RS. The current work was validated by comparing the predicted RS profiles in four workpiece materials to their corresponding experimental profiles obtained under similar cutting conditions. These materials were AISI H13 tool steel, AISI 316L stainless steel, AISI 52100 hardened steel, and AISI 4340 steel. The Johnson–Cook (J–C) constitutive equation was used to model the plastic behavior of the workpiece material. Different values were assigned to the J-C parameters representing the studied properties. Three values were assigned to each of the initial yield strength (A) and strain hardening coefficient (B), and two values were assigned to the strain hardening exponent (n). Therefore, the full test matrix had 18 different materials, covering a wide range of commercial steels. The yield strength and strain hardening properties had opposite effects on RS, where higher A and lower B or n decreased the tendency for surface tensile RS. Because of the opposite effects of A and (B and n), maximum surface tensile RS was induced in the material with minimum A and maximum B and n values. A physical explanation was provided for the effects of A, B, and n on cutting temperatures, strains, and stresses, which was subsequently used to explain their effects on RS. Finally, the current results were used to predict the type of surface RS in different workpiece materials based on their A, B, and n values.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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