MétaCan
Menu
Retour à la cohorte
Enregistrement W2966200173 · doi:10.3390/met9080845

Effect of Auto-Tuning on Serrated Flow Behavior

2019· article· en· W2966200173 sur OpenAlex
Sohail M.A.K. Mohammed, D.L. Chen

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueMetals · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgy and Material Forming
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceDynamic strain agingStiffnessStrain (injury)Flow (mathematics)Position (finance)Ultimate tensile strengthMechanicsTensile testingControl theory (sociology)Structural engineeringComposite materialComputer scienceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The mechanical response of a servo-hydraulic testing system is affected by the stiffness of test specimens. An adaptive controller helps in auto-tuning the system by setting the optimal proportional-integral-derivative values for the subsequent test as the stiffness changes. This paper presents the effect of auto-tuning of various channels on the flow response of several commercial Al and Mg alloys and a mild steel. Strain-controlled monotonic tensile tests were performed at a given strain rate of 1 × 10−4 s−1 after auto-tuning of position, load, and strain channels in different combinations. Serrated flow or Portevin–Le Chatelier effect was observed in the Al alloys after auto-tuning of either position channel only or position and load channels. However, the serrations of Al alloys were shielded after further auto-tuning of strain channel. The stress-strain curves of Mg alloys and mild steel were observed to be basically free of serrations under any combinations of auto-tuning, which confirms that the serrated flow is a property of specific materials rather than a machine system noise.

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.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,001

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 Opus0,008
Tête enseignante GPT0,228
Écart entre enseignants0,221 · 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