Low and High Speed Orthogonal Cutting of AA6061-T6 under Dry and Flood-Coolant Modes: Tool Wear and Residual Stress Measurements and Predictions
Notice bibliographique
Résumé
The present research work aimed to study the effects of cutting environments and conditions on tool wear and residual stresses induced by orthogonal cutting of AA6061-T6. Cutting environments included dry- and flood-coolant modes and cutting conditions consisted of cutting speed and feed rate. A 2D finite element (FE) model was developed to predict tool wear and residual stresses and was validated by experimental measurements including machining forces, tool wear, and residual stresses. This was obtained by exploring various magnitudes of the shear friction factor and heat transfer coefficient and choosing proper coefficients using the calibration of the predicted results with the measured ones. The experimental results showed that the effect of cutting environment including dry and flood-coolant modes was negligible on machining forces. The experimental investigation also demonstrated that increasing feed rate raised machining forces, tool wear and residual stresses in both cutting environments. Low Speed Cutting (LSC) led to the highest value of tool wear and High Speed Cutting (HSC) provided the lowest values of resultant machining forces and residual stresses in both modes. Flood-coolant mode reduced tool wear and slightly decreased tensile residual stresses in comparison with dry mode. As a result, low feed rate and high-speed cutting under flood-coolant mode were proposed in order to improve tool wear and residual stress in orthogonal cutting of AA6061-T6.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».