MétaCan
Menu
Retour à la cohorte
Enregistrement W2953236748 · doi:10.1177/0309324719855882

An improved procedure for acquiring yield curves over a large range of strains

2019· article· en· W2953236748 sur OpenAlexaff
Jiru Zhong, Tong Xu, Kaishu Guan, Jerzy A. Szpunar

Notice bibliographique

RevueThe Journal of Strain Analysis for Engineering Design · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésNeckingMaterials scienceYield (engineering)Finite element methodPlasticityComposite materialStress (linguistics)Range (aeronautics)Ultimate tensile strengthYield surfaceStrain (injury)NucleationStress–strain curveStructural engineeringDeformation (meteorology)ThermodynamicsEngineeringConstitutive equationPhysics

Résumé

récupéré en direct d'OpenAlex

Acquiring a full range of yield curves is a long-standing challenge in material science and engineering. Such curves are extremely important for stress analysis using finite element simulation. In this article, we proposed an improved procedure integrating finite element analysis and hybrid particle swarm optimization to extract a post-necking yield curve from a smooth tensile round bar. The investigated material was 3Cr1MoV. The strain range of the yield curve was extended from 0.0681 mm/mm before necking to 1.5 mm/mm. The results revealed that curves obtained through this procedure are reliable and unique. Three notched round bars were designed to investigate the effects of stress triaxiality on the yield curves. We found that stress triaxiality has a significant influence on curves at large plastic strains (strain > 0.3 mm/mm) and has a negligible effect at low plastic strains (strain < 0.3 mm/mm). Studies revealed that the stress triaxiality-dependent yield curves are related to dilatational plasticity arising from nucleation and growth of voids.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,825
Score d'incertitude au seuil0,604

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,262
Écart entre enseignants0,242 · 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 tête enseignante, 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Strain Analysis for Engineering DesignMême sujetMetal Forming Simulation TechniquesTravaux en français237 207