Effect of Built-Up Edge Formation during Stable State of Wear in AISI 304 Stainless Steel on Machining Performance and Surface Integrity of the Machined Part
Notice bibliographique
Résumé
During machining of stainless steels at low cutting -speeds, workpiece material tends to adhere to the cutting tool at the tool-chip interface, forming built-up edge (BUE). BUE has a great importance in machining processes; it can significantly modify the phenomenon in the cutting zone, directly affecting the workpiece surface integrity, cutting tool forces, and chip formation. The American Iron and Steel Institute (AISI) 304 stainless steel has a high tendency to form an unstable BUE, leading to deterioration of the surface quality. Therefore, it is necessary to understand the nature of the surface integrity induced during machining operations. Although many reports have been published on the effect of tool wear during machining of AISI 304 stainless steel on surface integrity, studies on the influence of the BUE phenomenon in the stable state of wear have not been investigated so far. The main goal of the present work is to investigate the close link between the BUE formation, surface integrity and cutting forces in the stable sate of wear for uncoated cutting tool during the cutting tests of AISI 304 stainless steel. The cutting parameters were chosen to induce BUE formation during machining. X-ray diffraction (XRD) method was used for measuring superficial residual stresses of the machined surface through the stable state of wear in the cutting and feed directions. In addition, surface roughness of the machined surface was investigated using the Alicona microscope and Scanning Electron Microscopy (SEM) was used to reveal the surface distortions created during the cutting process, combined with chip undersurface analyses. The investigated BUE formation during the stable state of wear showed that the BUE can cause a significant improvement in the surface integrity and cutting forces. Moreover, it can be used to compensate for tool wear through changing the tool geometry, leading to the protection of the cutting tool from wear.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».