MétaCan
Menu
Retour à la cohorte
Enregistrement W4304893294 · doi:10.1139/tcsme-2022-0042

Effect of loading rate and height–diameter ratio on compression characteristics of aviation alloys

2022· article· en· W4304893294 sur OpenAlexvenueno aff
Xiaofeng Ji, Shuncai Li, Yuting Hu, Yuqing Li

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh-Velocity Impact and Material Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCompressive strengthAlloyTitanium alloyComposite materialStrain rateAluminiumTitaniumCompression (physics)Correlation coefficientMetallurgyMathematics

Résumé

récupéré en direct d'OpenAlex

Loading rate and height–diameter ratio are important factors affecting mechanical properties of materials. In this paper, the effects of the two factors on the stress–strain curves and section deformation characteristics of titanium alloy and aluminum alloy were compared by uniaxial compression tests. The gray correlation coefficient between compressive strength and loading rate, height–diameter ratio, and high compression ratio of the two alloys was calculated by using the gray correlation theory, and multiple regression models of compressive strength of the two alloys were established based on the least squares method. The results show that ( i) the gray correlation coefficient of the two alloys is greater than 0.6, indicating that loading rate and height–diameter ratio have obvious effects on the compressive strengths of aluminum alloy; ( ii) of loading rate and height–diameter ratio, loading rate has more significant effect on compressive strength; and ( iii) the correlation coefficient of the regression model of titanium alloy compressive strength is 0.9, which is higher than that of the corresponding model of aluminum alloy (0.65), indicating that the reliability of the regression model of titanium alloy is higher than that of aluminum alloy, and the established model can better predict the uniaxial compressive strength of titanium alloy.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,318

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 Opus0,010
Tête enseignante GPT0,224
Écart entre enseignants0,215 · 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'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 revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetHigh-Velocity Impact and Material BehaviorTravaux en français237 207