EFFECT OF WHEEL WEAR ON CONTACT LENGTH, UNCUT CHIP THICKNESS AND FORCES FOR A DEFORMABLE GRINDING WHEEL AND WORKPIECE
Notice bibliographique
Résumé
In this paper, contact length, uncut chip thickness, and contact forces were studied as the wheel wore during dry surface grinding of 4130 normalized steel for three different depths of cut (0.0025, 0.005, 0.0075 mm). An aluminum oxide grinding wheel (Norton 38A46HVBE) was used for all the experiments and the work and wheel speeds were 0.22 and 32.3 m/s, respectively. In each experiment, the wear flat area, the cutting edge density, the cutting edge width and length were determined using an automated optical measurement system. The grinding forces were measured using a force dynamometer. The contact length was determined using rigid-body, smooth-body and rough-body contact assumptions. The uncut chip thickness was determined using a continuity analysis. In this approach, the average volume of material is first determined by dividing the total material removal rate by the number of cutting edges. Then an assumption of the shape of the chip is made. In this work, the uncut chip was assumed to have a triangular profile and a rectangular cross-section. The uncut chip thickness can then be determined by dividing the average chip volume by the average contact length and chip width. In the experiments, grinding forces, wear flat area, cutting edge density increased and uncut chip thickness decreased as a result of wheel wear. In addition, the wheel wear increased the contact length significantly in the rough-body assumption, marginally in the smooth-body. assumption but not in the rigid-body assumption. The normal contact pressure was determined by dividing the normal force by the product of the percent wear flat area and contact area. This result suggested that the rough body assumption represented the data most accurately.
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 | 0,000 | 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 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 ».