MétaCan
Menu
Retour à la cohorte
Enregistrement W2110579021 · doi:10.4028/www.scientific.net/kem.549.172

Numerical Modeling of Tube Hydropiercing Using Phenomenological and Micro-Mechanical Damage Criteria

2013· article· en· W2110579021 sur OpenAlexafffund
Amir Hassannejadasl, Daniel E. Green

Notice bibliographique

RevueKey engineering materials · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNational Research Council CanadaConnecticut Innovations
Mots-clésFormabilityFixtureTube (container)Materials scienceFinite element methodHydroformingStructural engineeringDisplacement (psychology)Phenomenological modelInternal pressureComposite materialMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Hydropiercing is an efficient way of piercing holes in mass produced hydroformed parts with complex geometries. By driving piercing punches radially into a hydroformed and fully pressurized tube, holes will be pierced and extruded into the tube-wall. Recent experimental studies have shown that the formability of advanced high strength steel (AHSS) tubes can be increased with the application of internal pressure. In this study, three-dimensional finite element simulations of a tube hydropiercing process of a dual phase steel (DP600) were performed in LS-DYNA, using phenomenological, micromechanical and combined damage criteria. Damage was included in the numerical analysis by applying constant equivalent plastic strain (CEPS), the Gurson-Tvergaard-Needleman (GTN), and the Extended GTN (GTN+JC) model. In order to calibrate the parameters in each model, a specialized hole-piercing fixture was designed and piercing tests were carried out on non-pressurized tube specimens. Of the various ductile fracture criteria, the results predicted with the GTN+JC model, such as the punch load-displacement, the roll-over depth, and the quality of the clearance zone correlated the best with the experimental data.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,557
Score d'incertitude au seuil0,975

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 Opus0,021
Tête enseignante GPT0,237
Écart entre enseignants0,216 · 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

Citations3
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetMetal Forming Simulation TechniquesTravaux en français237 207