Notice bibliographique
Résumé
Controlling and eliminating defects, such as macro-porosity, in die casting processes is an on-going challenge for manufacturers. Current strategies for eliminating macro-porosity focus on the execution of pre-set casting cycles, die structure design or the combination of both. To respond to process variability and mitigate its negative effects, advanced process control methodology has been developed to dynamically drive the process towards optimal dynamic or static operational conditions, hence minimizing macro-porosity in the casting. In this thesis, a Finite Element heat transfer model has been developed to predict the evolution of temperatures and the volume of encapsulated liquid in a casting with a high propensity to form macro-porosity. The model was validated by comparison to plant trial data. A virtual process has then been developed based on the model to simulate the continuous operation of a real process, for use as a platform to evaluate a controller’s performance. Since macro-porosity cannot be measured during casting, die temperature has been used as an indirect indicator of this defect. A model-based methodology has been developed to analyze the correlation between die temperature and encapsulated liquid volume, a precursor to the formation of macro-porosity. This methodology is employed to assess the suitability of different in-cycle die temperatures for use as indicators of macro-porosity formation. The optimal locations have then been determined to monitor die temperatures for the purpose of minimizing macro-porosity. A nonlinear state-space model, based on data from the virtual process, has been developed to provide a reliable representation of this virtual process. The control variable-driven portion exhibits linear dynamic behavior with nonlinear static gain. The resulting MIMO state-space model facilitated the design of a controller for this process. Finally, the performance of the nonlinear model-based predictive controller was evaluated using the virtual process. Independent of the initial state of the process - i.e. steady state or startup, the controller exhibited the capability to automatically adjust the process toward the dynamic or static optimal operational condition during disturbances examined. The advanced control methodology developed for LPDC provides a novel solution to improve the operational conditions in die casting process.
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 ».