Modeling of Bending and Bend-Stretching of Laminated Aluminum Sheets
Notice bibliographique
Résumé
Bending and subsequent stretching of sheet materials is typical of many sheet forming operations. Bending and bend-stretching characteristics and limit strain of monolithic AA2024 and laminated tri-layer Alclad 2024 aluminum sheet materials are studied by modeling and experimentation. A computationally efficient analytical model based on advanced bending theory is developed for the laminated sheet materials and utilized to predict the bending characteristics of the above sheet materials. The effects of cladding thickness ratio on the bending characteristics of laminated sheet are compared with the monolithic constituent. Also, predictions from the above analytical bending model are compared with 2D and 3D FE-based bending models. In addition, bend-stretching experiments are conducted using a specialized test jig while continuously recording images using dual-camera set-up from tensile surface and edge of the specimen. A stochastic pattern is applied to the specimen prior to the test and the images are later processed to analyze the development and localization of strains based on digital image correlation (or DIC) method. Strain maps from DIC analysis are utilized to determine the limit strain in the vicinity of the bend line, as well as from FE modeling of bend-stretching tests, using maximum major strain acceleration criterion for localized necking proposed by one of the authors. The results from experimental and modeling work indicate higher limit strains in bend-stretching for Alclad 2024 compared to monolithic AA2024 sheet.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».