MétaCan
Menu
Retour à la cohorte
Enregistrement W3177302046 · doi:10.1115/1.4051605

Analytical Modeling of Shear Localization in Orthogonal Cutting Processes

2021· article· en· W3177302046 sur OpenAlexafffund
Mohammadreza Fazlali, Mauricio Ponga, Xiaoliang Jin

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDefence Research and Development CanadaNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésShear bandAdiabatic shear bandShear (geology)Materials scienceShear stressSimple shearShear rateRakeFinite element methodCritical resolved shear stressMechanicsShear zoneComposite materialStructural engineeringGeologyMechanical engineeringRheologyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents an analytical thermo-mechanical model of shear localization and shear band formation in orthogonal cutting of high-strength metallic alloys. The deformation process of the workpiece material includes three stages: homogeneous deformation, shear localization, and chip segmentation. A boundary layer analysis is used to analytically predict the temperature, stress, and strain rate variations in the primary shear zone associated with the shear localization. The predictions of shear band spacing and width from the proposed model are verified by experimental characterization of the chip morphology. The rolling of shear bands on the tool rake face is discussed from the experimental observations. The cutting tool temperature, which is influenced by the heat generated during the shear band formation, is simulated and compared with finite element simulations. The proposed analytical model reveals the fundamental mechanism of the complete shear localization process in orthogonal cutting and predicts the stress and temperature variations with high computational efficiency.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil0,305

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 Opus0,009
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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'étudeSimulation ou modélisation
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

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetAdvanced machining processes and optimizationTravaux en français237 207