MétaCan
Menu
Retour à la cohorte
Enregistrement W2177128516 · doi:10.1051/epjconf/20159401033

Effect of strain rate on shear properties and fracture characteristics of DP600 and AA5182-O sheet metal alloys

2015· article· en· W2177128516 sur OpenAlexafffund
Taamjeed Rahmaan, Cliff Butcher, A. Abedini

Notice bibliographique

RevueEPJ Web of Conferences · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesArcelorMittalNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésNeckingMaterials scienceStrain rateDigital image correlationShear (geology)Strain hardening exponentTensile testingComposite materialSheet metalSlow strain rate testingUltimate tensile strengthWork hardeningMetallurgyMicrostructureAlloy

Résumé

récupéré en direct d'OpenAlex

Shear tests were performed at strain rates ranging from quasi-static (.01 s−1) to 600 s−1 for DP600 steel and AA5182-O sheet metal alloys at room temperature. A miniature sized shear specimen was modified and validated in this work to perform high strain rate shear testing. Digital image correlation (DIC) techniques were employed to measure the strains in the experiments, and a criterion to detect the onset of fracture based on the hardening rate of the materials is proposed. At equivalent strains greater than 20%, the DP600 and AA5182 alloys demonstrated a reduced work hardening rate at elevated strain rates. At lower strains, the DP600 shows positive rate sensitivity while the AA5182 was not sensitive to strain rate. For both alloys, the equivalent fracture strain and elongation to failure decreased with strain rate. A conversion of the shear stress to an equivalent stress using the von Mises yield criterion provided excellent agreement with the results from tensile tests at elevated strain rates. Unlike the tensile test, the shear test is not limited by the onset of necking so the equivalent stress can be determined over a larger range of strain.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,028
Tête enseignante GPT0,250
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations13
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEPJ Web of ConferencesMême sujetMetal Forming Simulation TechniquesTravaux en français237 207