MétaCan
Menu
Retour à la cohorte
Enregistrement W2894236339 · doi:10.1088/1757-899x/418/1/012019

An Experimental and Numerical Investigation of Non-isothermal Cup Drawing of a 7XXX-T76 Aluminum Alloy Sheet

2018· article· en· W2894236339 sur OpenAlexaff
Jacqueline Noder, A. Abedini, Taamjeed Rahmaan, Sante DiCecco, C. Butcher, Michael J. Worswick

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesHonda Development and Manufacturing of America
Mots-clésMaterials scienceFormabilityIsothermal processMicrostructureAlloyComposite materialAnisotropyDeep drawingAluminiumMetallurgyHardening (computing)Ultimate tensile strengthThermodynamicsOptics

Résumé

récupéré en direct d'OpenAlex

The 7000-series of aluminium alloys are an attractive material for anti-intrusion components in the car body-in-white due to their high specific strength and lower density. The limited room temperature formability of these alloys can be overcome through elevated temperature forming while controlling heat exposure to prevent changes to the microstructure such as over-aging. The present work details a comprehensive characterization of a developmental alloy, 7xxx-T76, for non-isothermal warm forming of a cylindrical deep drawn cup. Material anisotropy and a non-associated constitutive model were developed with the hardening response as a function of temperature and strain-rate. Friction was characterized at elevated temperature using a Warm Twist Compression Test apparatus developed at the University of Waterloo. Significant material anisotropy was observed in the tensile characterization results and during warm forming with the formation of eight ears in the deep drawn cups for a drawing ratio of 2.25. The predictions of the forming model were evaluated in terms of the earring profile, punch force, and surface strains from optical strain measurements using ARGUS.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,246
Écart entre enseignants0,232 · 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
GenreEmpirique

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

En bref

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetMetal Forming Simulation TechniquesTravaux en français237 207