On the Effect of Johnson Cook Material Constants to Simulate Al2024-T3 Machining Using Finite Element Modeling
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 modeling (FEM) of machining has recently become the most attractive computational tool to predict and optimize metal cutting processes. High speed computers and advanced finite element code have offered the possibility of simulating complex machining processes such as turning, milling, and drilling. The use of an accurate constitutive law is very important in any metal cutting simulation. It is desirable that a constitutive law could completely characterize the thermo-visco-plastic behavior of the machined materials at high strain rate. However, there exist several constitutive laws that are adopted for machining simulation, the choice of which is difficult to make. The most commonly used law is that of Johnson and Cook (JC) which combines the effect of strains, strain rates and temperatures. Unfortunately, the different coefficients provided in the literature for a given material are not reliable since they affect significantly the predicted results (cutting forces, temperatures, etc.). These discrepancies could be attributed to the different methods used for the determination of the material parameters. In the present work, three different sets of JC are determined based on orthogonal machining tests. These three sets are then used in finite element modelling to simulate the machining behavior of Al 2024-T3 alloy. The aim of this work is to investigate the impact of the three different sets of JC constants on the numerically predicted cutting forces, chip morphology and tool-chip contact length. It is concluded that these predicted parameters are sensitive to the material constants.
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