MétaCan
Menu
Retour à la cohorte
Enregistrement W4231595988 · doi:10.3139/120.111480

Fatigue behavior of two notched cutting tool materials – High speed steel and cemented carbide

2020· article· en· W4231595988 sur OpenAlexaff
Zainul Huda, Muhammad Hani Ajani, Muhammad Saad Ahmed

Notice bibliographique

RevueMaterials Testing · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced materials and composites
Établissements canadiensKensington Health
Organismes subventionnairesnon disponible
Mots-clésCemented carbideMaterials scienceFinite element methodHigh-speed steelCarbideMachiningFatigue limitFatigue testingFracture (geology)Cutting toolStructural engineeringComposite materialMetallurgyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Fatigue testing experiments and computer-simulations have been conducted for notched specimens of two cutting-tool materials: high speed steel (M42 HSS) and cemented carbide composite (WC-10Co). The effects of varying loads and notches on the fatigue lives of M42 HSS and WC-10Co, including a comparative study of the fatigue behavior of the two cutting-tool materials, have been reported. The fatigue behavior of the two cutting-tool materials has been investigated by developing their S-N curves as well as through an examination of the fracture surfaces of the materials. A fatigue life of 10 7 cycles corresponding to a fatigue limit of 430 × 10 6 N × m −2 was determined for M42 HSS. It has been found that a reduction of stress amplitude by 60 × 10 6 N × m −2 results in an increase of fatigue life by around 175 percent for the notched specimens of cemented carbide. The computer simulation studies involved the use of ANSYS finite element analysis (FEA) as well as SolidWorks software packages. Both experimental and simulation results were found to be in agreement. These research findings might enable engineers to select a suitable cutting tool material with a notch for application under cyclic stressed machining.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,040
Tête enseignante GPT0,252
Écart entre enseignants0,212 · 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.

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials TestingMême sujetAdvanced materials and compositesTravaux en français237 207