MétaCan
Menu
Retour à la cohorte
Enregistrement W3128817180 · doi:10.1115/1.4049965

Development and Optimization of Ultrasonic Elliptical Vibration Cutting Device Based on Single Excitation

2021· article· en· W3128817180 sur OpenAlexaff
Sen Yin, Zhigang Dong, Yan Bao, Renke Kang, Wenhao Du, Yanan Pan, Zhuji Jin

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Machining and Optimization Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesScience Challenge ProjectNational Science and Technology Planning Project
Mots-clésVibrationDiamond turningFinite element methodFrench hornMaterials scienceExcitationUltrasonic sensorAcousticsTungstenMechanical engineeringStructural engineeringDiamondEngineeringMetallurgyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract A ultrasonic elliptical vibration cutting (UEVC) technique, as an advanced cutting method, has been successfully applied to machine difficult-to-cut materials for the last decade. In this study, the mechanism of the elliptical vibration locus caused by the “asymmetric structure” on the horn was analyzed theoretically first, and the corresponding relationship between the degree of asymmetry and the elliptical vibration locus was determined based on the finite element method (FEM). Then, an efficient single-excitation UEVC device with “asymmetric structure” was developed and optimized. The resonant frequency of the device was 40.8 kHz, and the amplitude reached 14 µm, which effectively broke the limitation of cutting speed in UEVC. Finally, the UEVC device’s performance was tested, and the advantages in improving the tungsten alloy surface quality and reducing diamond cutting tool wear validated the technical capability and principle of the proposed device.

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: Méthodes · Signal consensuel: aucune
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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 GPT0,217
Écart entre enseignants0,207 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetAdvanced Machining and Optimization TechniquesTravaux en français237 207