MétaCan
Menu
Retour à la cohorte
Enregistrement W3173638932 · doi:10.1088/1757-899x/1157/1/012071

Constitutive modelling of Usibor® 1500 sheets after intercritical quenching

2021· article· en· W3173638932 sur OpenAlexaff
Mohammad Shirinzadeh Dastgiri, Ravi A. Thakkar, Shi Jun, Iman Sari Sarraf, D. E. Green

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceQuenching (fluorescence)Ultimate tensile strengthVolume fractionStrain rateHardening (computing)Strain hardening exponentDeformation (meteorology)Constitutive equationComposite materialMetallurgyThermodynamicsFinite element methodOptics

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, 0.9 and 1.8 mm thick Usibor® 1500 sheets were subjected to intercritical quenching by heating to 760-930°C and quenching at a controlled rate. The tensile behavior of as-quenched Usibor® 1500 was experimentally obtained using uniaxial tension tests at strain rates ranging from 0.001 to 0.25 s −1 . The constants in the hardening models, including Johnson-Cook, were optimized using a Genetic algorithm and linear regression for each condition at each strain rate. Then, these models were numerically modified to account for heat treatment dependency. Uniaxial tensile tests were simulated using the fitted models and compared to experimental flow curves and strain distribution maps to determine the accuracy of the prediction of each model. Optical microscopy was used to determine the volume fraction of each phase using image processing tools and these characteristics were used to explain the behavior of Usibor® 1500 after intercritical quenching. It was found that intercritical quenching process parameters determine the distribution and morphology of each phase and consequently the range of mechanical properties. This model can be used to simulate the deformation of hot-stamped components with tailored properties produced under controlled austenitization.

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: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,691

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 savante0,0000,001
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 GPT0,197
Écart entre enseignants0,180 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207