MétaCan
Menu
Retour à la cohorte
Enregistrement W2888404131 · doi:10.1088/1361-651x/aadc20

An efficient full-field crystal plasticity-based M–K framework to study the effect of 3D microstructural features on the formability of polycrystalline materials

2018· article· en· W2888404131 sur OpenAlexafffund
Jaspreet Singh Nagra, Abhijit Brahme, Raja K. Mishra, Ricardo A. Lebensohn, Kaan Inal

Notice bibliographique

RevueModelling and Simulation in Materials Science and Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGeneral Motors of CanadaUniversité de Sherbrooke
Mots-clésMaterials scienceFormabilityCrystal plasticityCrystallitePlasticityMetallurgyField (mathematics)Composite materialCrystallography

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, the new rate tangent–fast Fourier transform-based elasto-viscoplastic crystal plasticity (CP) constitutive framework (RTCP-FFT) developed by Nagra et al (2017 Int. J. Plast. 98 65–82) is implemented in the so-called Marciniak–Kuczynski (M–K) (Marciniak and Kuczyński 1967 Int. J. Mech. Sci. 9 609–20) framework to predict the forming limit diagrams (FLDs) of face-centered cubic polycrystals. The RTCP-FFT approach that accounts for 3D grain morphologies and grain interactions is used to compute the FLDs for aluminum alloys (AAs). The model employs two statistically representative volume elements with identical initial microstructures, one inside the imperfection band region (required for M–K analysis) and other outside the imperfection band region of the sheet metal. The proposed RTCP-FFT-based M–K model is a full-field, mesh-free and efficient CP formulation that enables a comprehensive investigation of the effects of 3D microstructural features on the FLDs with extremely small computational times. The new model is validated by comparing the predicted FLDs for AA5754 and AA3003 AAs with experimental measurements. Furthermore, the predicted FLDs are compared with the well-known Taylor-type homogenization scheme-based M–K model (MK–Taylor) predictions. Furthermore, the effects of different grain shapes as well as local grain interactions on the FLD predictions are studied. The study reveals that among the various microstructural features, the grain morphology has the strongest effect on the predicted FLDs and the FLD predictions can be significantly improved if the actual grain structure of the material is properly accounted for in the numerical models.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,263
Écart entre enseignants0,253 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueModelling and Simulation in Materials Science and EngineeringMême sujetMetal Forming Simulation TechniquesTravaux en français237 207