Influence of Microstructure and Alloy Composition on the Machinability of α/β Titanium Alloys
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A comparative study was conducted for the machining of two α/β titanium alloys, namely Ti-6Al-4V (Ti64) and Ti-6Al-7Nb (Ti67), using wire electric discharge machining (WEDM). The influence of cutting speed and cutting mode on the machined surfaces in terms of surface roughness (Ra), recast layer (RL), and micro-hardness have been evaluated. Rough cut (RC) mode at a cutting speed of 50 µm/s resulted in thermal damage; Ra was equal to 5.68 ± 0.44 and 4.52 ± 0.35 µm for Ti64 and Ti67, respectively. Trim-cut mode using seven cuts (TRC-VII) at the same speed decreased the Ra to 1.02 ± 0.20 µm for Ti64 and 0.92 ± 0.10 µm for Ti67. At 100 µm/s, Ra reduced from 2.34 ± 0.28 µm to 0.88 ± 0.12 µm (Ti64), and from 1.42 ± 0.15 µm to 0.90 ± 0.08µm (Ti67) upon changing from TRC-III to TRC-VII. Furthermore, a thick recast layer of 30 ± 0.93 µm for Ti64 and 14 ± 0.68 µm for Ti67 was produced using the rough mode, while TRC-III and TRC-VII modes produced layers of 12 ± 1.31 µm and 5 ± 0.72 µm for Ti64 and Ti67, respectively. Moreover, rough cut and trim cut modes of WEDM played a significant role in promoting the surface hardness of Ti64 and Ti67. By employing the Response Surface Methodology, it was found that the machining mode followed by cutting speed and the interaction between them are the most influential parameters on surface roughness. Finally, mathematical models correlating machining parameters to surface roughness were successfully developed. The results strongly promote the trim-cut mode of WEDM as a promising machining route for two-phase titanium alloys.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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