MétaCan
Menu
Retour à la cohorte
Enregistrement W4286717170 · doi:10.4028/p-cva3h4

Characterization of Yield Surface Evolution of AZ31 from Shear to Equibiaxial Tension

2022· article· en· W4286717170 sur OpenAlexaff
Yanshan Lou, Jia Zhang, Chong Zhang, Jeong Whan Yoon

Notice bibliographique

RevueKey engineering materials · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialShear (geology)Yield (engineering)Yield surfaceShear stressMagnesium alloyPlane stressAlloyHardening (computing)PlasticityStrain hardening exponentFlow stressStructural engineeringConstitutive equationFinite element methodEngineering

Résumé

récupéré en direct d'OpenAlex

This research characterized the strain hardening behavior of AZ31 under different stress states from shear to balanced biaxial tension with a newly proposed yield function. Experiments are conducted for AZ31 magnesium alloy by in-plane shear specimens, dogbone specimens, notched specimens and bulging specimens to characterize the flow behavior under different stress states. The flow behaviors are characterized by a newly proposed yield function in a form of the three stress invariants. The proposed yield function is implemented into ABAQUS/Explicit to predict the plastic response of the alloy under different stress states. It is shown that the proposed yield function can precisely predict the distinct flow behaviors and reaction forces from shear to equibiaxial tension from the initial yielding to fracture.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,011
Score d'incertitude au seuil0,998

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)0,0030,000

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 Opus0,012
Tête enseignante GPT0,191
Écart entre enseignants0,179 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207