MétaCan
Menu
Retour à la cohorte
Enregistrement W2964353685 · doi:10.32339/0135-5910-2019-7-834-839

Distribution of temperature fields and specific reductions at grinding balls rolling

2019· article· en· W2964353685 sur OpenAlexaff
V. Yu. Rubtsov, О. И. Шевченко, V. V. Kurochkin, A. S. Oparin

Notice bibliographique

RevueFerrous Metallurgy Bulletin of Scientific Technical and Economic Information · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetal Alloys Wear and Properties
Établissements canadiensEVRAZ (Canada)
Organismes subventionnairesnon disponible
Mots-clésFlangeGrindingBall (mathematics)Materials scienceEquatorBall millMechanicsRolling resistancePenetration depthMetallurgyComposite materialGeometryPhysicsMathematicsOptics

Résumé

récupéré en direct d'OpenAlex

During the high hardness grinding balls production the following to the process parameters is the key requirement. The temperature and the deformation uniformity are main parameters at the high hardness grinding balls rolling. Reduction forces can be estimated by modeling, but in this case, they were determined analytically, based on the distribution of the real specific reduction force over the observed temperature fields on the surface of the ball. Revealed a significant increase in the temperature of ball during the cross-helical rolling from equator to the poles from 880 °С to 940 °С. Established temperature increase (up to 60 °C) was observed in the area of the roll flange penetration into the workpiece, where significant deformations occur. Maximum average power of rolling generated on the top of the roll flanges has been determined, which reaches 350 MPa and decreases linearly with the distance from the top of the flange of the deformation tool and is practically reduced to zero on the equator of the ball. It was shown that linear nature of the change of the specific power of rolling is in good agreement with the linear dependence of the mill roll flange growth when it is introduced into the workpiece.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,415
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,191
Écart entre enseignants0,181 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFerrous Metallurgy Bulletin of Scientific Technical and Economic InformationMême sujetMetal Alloys Wear and PropertiesTravaux en français237 207