MétaCan
Menu
Retour à la cohorte
Enregistrement W2960516945 · doi:10.18280/rcma.290109

Finite Element Modelling of EDM of Aluminum Particulate Metal Matrix Composites Considering Temperature Dependent Properties

2019· article· fr· W2960516945 sur OpenAlexvenueno aff
Pallavi Chaudhury, Sikata Samantaray

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2019
Typearticle
Languefr
DomaineEngineering
ThématiqueAdvanced Machining and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Minerals and Materials Technology
Mots-clésMaterials scienceComposite materialParticulatesAluminiumFinite element methodMetalMatrix (chemical analysis)MetallurgyStructural engineeringEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

This research paper deals with the study of the thermal modeling of Al-A359 reinforced with 10 % SiC Composites (Particulate metal matrix Composite) machined by Electrical Discharge machining (EDM).The composite has been fabricated by Powder metallurgy (P/M) route.Due to high hardness of the Graphite reinforced particle it has been always difficult to machine these composites by the conventional machining route.In this investigation EDM procedure has been introduced to machining the PMMC.The numerical model has been developed by designing a 3D axi-symmetric work domain with the help of Finite analysis software.The effect of variable thermal properties on the modeling of PMMC is also introduced in this study.The effect of three different types of heat source (Disk heat, Point heat & Gaussian heat source) on the Al-A359 Composite machining has been analyzed.From the analysis it can be concluded that the Gaussian heat source model with varying Specific heat (Model-III) has been validated with the experimental result with least error of 11 %.The highest Material removal rate of 25.12 (*10 -3 mm 3 /min).At 10 A current, 100V voltage and 100µS Pulse-On time has been estimated.

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)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,047
Tête enseignante GPT0,260
Écart entre enseignants0,213 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des composites et des matériaux avancésMême sujetAdvanced Machining and Optimization TechniquesTravaux en français237 207