MétaCan
Menu
Retour à la cohorte
Enregistrement W2985672745 · doi:10.3390/app9224787

Effects of Ultrasonic Impact Treatment on the Stress-Controlled Fatigue Performance of Additively Manufactured DMLS Ti-6Al-4V Alloy

2019· article· en· W2985672745 sur OpenAlexafffund
Peter F. Walker, Sinah Malz, Eric Trudel, Shaza Nosir, Mostafa S. A. ElSayed, Leo Kok

Notice bibliographique

RevueApplied Sciences · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensBombardier (Canada)Carleton University
Organismes subventionnairesMitacs
Mots-clésDirect metal laser sinteringMaterials scienceResidual stressSurface roughnessComposite materialFatigue limitPorosityMetallurgyMicrostructure

Résumé

récupéré en direct d'OpenAlex

Additive manufacturing (AM) offers many advantages for the mechanical design of metal components. However, the benefits of AM are offset to a certain extent by the poor surface finish and high residual stresses resulting from the printing process, which consequently compromise the mechanical properties of the parts, particularly their fatigue performance. Ultrasonic impact treatment (UIT) is a surface modification process which is often used to increase the fatigue life of welds in ship hulls and steel bridges. This paper studies the effect of UIT on the fatigue life of Ti-6Al-4V manufactured by Direct Metal Laser Sintering (DMLS). The surface properties before and after the UIT are characterized by surface porosity, roughness, hardness and residual stresses. Results show that UIT enhances the fatigue life of DMLS Ti-6Al-4V parts by suppressing the surface defects originating from the DMLS process and inducing compressive residual stresses at the surface. At the adopted UIT application parameters, the treatment improved the fatigue performance by 200%, significantly decreased surface porosity, reduced the surface roughness by 69%, and imposed a compressive hydrostatic stress of 1644 MPa at the surface.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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
Métarecherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,214 · 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'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

Citations27
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207