MétaCan
Menu
Retour à la cohorte
Enregistrement W3207271493 · doi:10.33774/miir-2021-80zsh

Modelling of the Friction Stir Welding Process for Aluminum

2021· preprint· en· W3207271493 sur OpenAlexaff
Zilong Song, Huaxiong Huang

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced Welding Techniques Analysis
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésFriction stir weldingInertiaHeat generationCompressibilityMechanicsMechanical engineeringDeformation (meteorology)Inertial frame of referenceWeldingNewtonian fluidFriction weldingHeat transferMaterials scienceProcess (computing)Computer scienceEngineeringClassical mechanicsComposite materialPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

When the friction stir welding (FSW) process is used in practice, defects appear under uncertain operating conditions. It is crucial to understand the basic mechanisms of defect generation so that it could be avoided. During the workshop, simplified models were developed for heat generation and plastic deformation, and attempts were made to find analytical and numerical solutions and continued until shortly after the workshop. We found that the unrealistic solution obtained during the workshop was due to the choice of a balance between inertial forces and plastic stress. In contrast, when inertia is negligible, physically reasonable solutions can be obtained for plastic deformation irrespective of the material compressibility. Investigating the dominant physical processes that drive this FSW process, the solutions from the simplified one-dimensional heat model and a two-dimensional non-Newtonian fluid model are also presented. The temperature distribution matches the results using direct numerical simulation and the experiment.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,819
Score d'incertitude au seuil0,633

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 Opus0,039
Tête enseignante GPT0,275
Écart entre enseignants0,236 · 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
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Welding Techniques AnalysisTravaux en français237 207