MétaCan
Menu
Retour à la cohorte
Enregistrement W3112200128 · doi:10.5802/crmeca.56

Identification methodology of a rate-sensitive constitutive law with mean field and full field modeling approaches for polycrystalline materials

2020· article· en· W3112200128 sur OpenAlexaff
Y. Charles, Chunping Zhang, Monique Gaspérini, Brigitte Bacroix

Notice bibliographique

RevueComptes Rendus Mécanique · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensÉcole de Technologie SupérieureHôpital Notre-Dame
Organismes subventionnairesAgence Nationale de la RechercheLaboratoire d'Excellence SEAM
Mots-clésHomogenization (climate)Strain ratePower lawConstitutive equationMaterials scienceFinite element methodSensitivity (control systems)LawMechanicsStatistical physicsStructural engineeringMathematicsComposite materialPhysicsEngineeringElectronic engineeringStatistics

Résumé

récupéré en direct d'OpenAlex

The present paper deals with the consideration of the rate-sensitivity mechanical behavior of metallic materials, in the framework of mean field and full field homogenization approaches. We re-examine the possibility of describing properly this rate sensitivity with a simple and widely used power law expressed at the level of the slip system, and we propose a methodology to accelerate the identification of the global material constitutive law for Finite Element (FE) simulations. For such an aim, simulations of a tensile test are conducted, using a simple homogenization model (the Taylor one, used in a relaxed constraint form) and an FE code (Abaqus), both using the same single-crystal rate-dependent constitutive law. It is shown that, provided that the identification of this law is performed with care and well adapted to the examined case (rate-sensitive or insensitive materials, static and/or dynamic ranges), the simple power law can be used to simulate the macroscopic behavior of polycrystalline aggregates in a wide range of strain rate (including both static and dynamic regimes) and strain-rate sensitivity values (up the rate-insensitive limit).

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)0,000
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: aucune
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil0,522

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)0,0000,000

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 Opus0,113
Tête enseignante GPT0,286
Écart entre enseignants0,172 · 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.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComptes Rendus MécaniqueMême sujetMetal Forming Simulation TechniquesTravaux en français237 207