MétaCan
Menu
Retour à la cohorte
Enregistrement W2098482469 · doi:10.4028/www.scientific.net/amr.664.884

Effect of Skin Depth on Hardness Profile of Gear Heated by Induction Using 2D Model

2013· article· en· W2098482469 sur OpenAlexaff
Noureddine Barka, Abdel Jelil Khelalfa, Abderrazak El Ouafi, Philippe Bocher, Jean Brousseau

Notice bibliographique

RevueAdvanced materials research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueInduction Heating and Inverter Technology
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésFinite element methodElectromagnetic coilCoupling (piping)Induction heatingMaterials scienceInduction coilSkin effectPower (physics)Nonlinear systemSoftwareWork (physics)ThermalMechanical engineeringProcess (computing)MechanicsEngineeringStructural engineeringComposite materialComputer scienceElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This work is carried principally by simulation efforts using computer-modeling software (COMSOL). The developed 2D model includes the coupling between electromagnetic and thermal fields, and takes account of the nonlinear behaviour of material properties versus temperature. Several steps were followed to reach this goal. First, a 2D finite element model of a gear was developed in order to simulate the induced currents density and temperature distributions for various frequencies and external currents applied in the coil. Second, the temperature profiles were compared using the ratio between the skin depth and the teeth height. In geometry cases, it was possible to dose the power level of the medium (MF) and high (HF) frequencies to reach a desired uniform case depth. The MF and HF powers are simulated sequentially in order to better concentrate heat in the tooth tip and root of gear. The obtained results help process developers to select the proper parameters for the induction machine in order to achieve the desired hardness profile.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,426

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,039
Tête enseignante GPT0,340
Écart entre enseignants0,301 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced materials researchMême sujetInduction Heating and Inverter TechnologyTravaux en français237 207