Through process modeling of aluminum alloy castings relating casting defects to fatigue performance
Notice bibliographique
Résumé
There continues to be increasing interest in using cast aluminum alloy components in automotive applications with cyclic in-service loads. Predicting fatigue performance is a key issue in the design of these components and must consider the entire manufacturing route which typically involves casting, heat treatment and machining. A through process modeling methodology was used to predict fatigue life of one such component, an A356 automotive wheel. The technique tracks the microstructure and defect formation during the casting process as well as the residual stresses that arise due to heat treatment and subsequent finish machining. The micro structural features and the final residual stress state are used as input parameters to calculate the final cyclic stress state and in-service fatigue life. The pore size distribution and secondary dendrite arm spacing formed during casting were predicted using model-based constitutive equations run within a validated macroscopic heat flow model of the process. These constitutive equations were developed by regression fitting to results from an in-house mesoscale solidification model. The residual stresses formed during the quench stage of heat treatment and released during finish machining were simulated in a two-stage thermal stress model. A final stress/displacement model was developed to calculate the variation of the multi-axial stress state and the expected fatigue life of the wheel during cyclic in-service loading. Each of the model results shows good agreement to measurements taken at various stages of the manufacturing process. In particular, excellent agreement was attained for in-service strain. The fatigue performance was compared with full-scale fatigue test results to validate the suitability of the through process modeling for application to aluminum alloy wheels.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».