MétaCan
Menu
Retour à la cohorte
Enregistrement W2964240437 · doi:10.3390/ma12152368

Prediction of the Work-Hardening Exponent for 3104 Aluminum Sheets with Different Grain Sizes

2019· article· en· W2964240437 sur OpenAlexaff
Ni Tian, Fei Yuan, Ceheng Duan, Kun Liu, Guangdong Wang, Gang Zhao, Liang Zuo

Notice bibliographique

RevueMaterials · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésExponentGrain sizeMaterials scienceAnnealing (glass)Strain hardening exponentAluminiumWork hardeningHardening (computing)Composite materialMicrostructure

Résumé

récupéré en direct d'OpenAlex

A practical approach to predict the yield strength and work-hardening exponent (n value) to evaluate the deep-drawing performance of annealed 3104 aluminum sheets is presented in the present work by only measuring and analyzing the grain size of the sheet. The various grain sizes were obtained through the different annealing treatment and then the evolution of the n value under different strains and the yield strength of annealed 3104 aluminum sheet were evaluated. Results showed that the n value and yield strength vary greatly with the grain size. A mathematical model relating grain size d, work-hardening exponent n, target strain ε, and yield strength Rp0.2 was developed in the present work. Within the studied grain size range d (12–29 μm), the n value generally increased with d in a strain-dependent manner, such that n = 0.1875 − 85.03 × exp [ − d / 1.94 ] when the ε was less than 0.5%, but n = 0.3 − 0.15 d − 1 / 2 when the ε was greater than 2%. On the other hand, the n value was found to depend on the target strain ε as n = 0.276 − A 1 × exp [ − e / 1.0435 ] , where A1 varies with d and its value is in the range of 0.132–0.364. In addition, the relationship between Rp0.2 and d followed the Hall-Petch equation ( R p 0.2 = 36.273 + 139.8 × d − 1 / 2 ).

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,204
Écart entre enseignants0,189 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetMetal Forming Simulation TechniquesTravaux en français237 207