MétaCan
Menu
Retour à la cohorte
Enregistrement W3168799578 · doi:10.1139/cjfr-2021-0076

Effects of helix angle and feed per knife on cutting forces, noise, and power consumption produced during helical planing of sugar maple wood

2021· article· en· W3168799578 sur OpenAlexaffvenue
Paul Wellenreiter, Roger E. Hernández, Claudia B. Cáceres, Carl Blais

Notice bibliographique

RevueCanadian Journal of Forest Research · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMapleHelix angleHelix (gastropod)Power consumptionMaterials scienceAcousticsPower (physics)GeometryPhysicsMathematicsComposite materialGeologyBotanyBiology

Résumé

récupéré en direct d'OpenAlex

A conventional straight knife cutterhead and three helical knife cutterheads were tested for planing sugar maple wood (Acer saccharum Marsh.). Effects of helix angle and feed per knife (FK) on maximum cutting forces, sound level, and power consumption were evaluated. A 3-axis dynamometer, an array microphone, and a watt transducer were used to simultaneously record the forces, sound level, and power consumption during machining, respectively. Parallel (F P ), positive and negative normal (F NP and F NN ), lateral (F L ), resultant (F R ) forces, and sound level increased as FK increased. Helical tools produced lower F P , F NP , F NN, and F R . Parallel forces tended to decrease as helical angle increased. Differences among helical tools were not significant for normal forces. Helical tools produced higher F L at medium (2.9 mm) and high (4.7 mm) feeds per knife. F R decreased as helix angle increased. The impacts of these cutting forces on the appearance of surface defects and ways to reduce them were discussed. Helical cutterheads considerably generated lower sound pressure level, with a maximum difference of up to 8 dB(A). At low FK (1.3 mm), helical tools required slightly lower cutting power.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,343

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 Opus0,017
Tête enseignante GPT0,254
Écart entre enseignants0,238 · 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'étudeObservationnel
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

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Biomass Utilization and ManagementTravaux en français237 207