MétaCan
Menu
Retour à la cohorte
Enregistrement W4200105938 · doi:10.31224/osf.io/j36ku

Determination of optimal shot peen forming patterns using the theory of non-Euclidean plates

2021· preprint· en· W4200105938 sur OpenAlexfundno aff
Vladislav Sushitskii, Wim M. van Rees, Martin Lévesque, Frédérick P. Gosselin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueSurface Treatment and Residual Stress
Établissements canadiensnon disponible
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésShot (pellet)CurvaturePeeningShot peeningBendingProcess (computing)Computer scienceStructural engineeringAlgorithmMathematicsEngineeringGeometryPhysicsOpticsMaterials scienceLaserResidual stress

Résumé

récupéré en direct d'OpenAlex

We show how a theoretical framework developed for modelling nonuniform growth can model the shot peen forming process. Shot peen forming consists in bombarding a metal panel with multiple millimeter-sized shot, that induce local bending of the panel. When applied to different areas of the panel, peen forming generates compound curvature profiles starting from a flat state. We present a theoretical approach and its practical realization for simulating peen forming numerically. To achieve this, we represent the panel undergoing peen forming as a bilayer plate, and we apply a geometry-based theory of non-Euclidean plates to describe its reconfiguration. Our programming code based on this approach solves two types of problems: it simulates the effect of a predefined treatment (the forward problem) and it finds the optimal treatment to achieve a predefined target shape (the inverse problem). Both problems admit using multiple peening regimes simultaneously. The algorithm was tested numerically on 200 randomly generated test cases.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,610
Score d'incertitude au seuil0,564

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 Opus0,033
Tête enseignante GPT0,274
Écart entre enseignants0,240 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSurface Treatment and Residual StressTravaux en français237 207