Decoding stress-strain parameters in FCC metals using digital constitutive analyses to devolve dynamic obstacle-strength factor and diffuse necking
Notice bibliographique
Résumé
Simulation codes use constitutive relations of work hardening to virtually predict shape change during metal forming. Recent analysis has shown that the modified Hollomon-type relation correlates to stress-aided thermal activation at obstacles for dislocation movement. The sweeping action of dislocation gives rise to strain and the dislocation intersections to strain rate sensitivity during work-hardening. The constitutive relation analyses (CRA) encompass fitting parameters which remain constant with strain and its validation is the precision to replicate the measured stress-strain diagram. In this study, digital constitutive analyses (DCA) are examined whereby the modelled-fit parameters are simultaneously numerically adjusted as strain proceeds. For bulk properties such as expended work, volume fraction of vacancy creation and mean slip velocity, CRA predictions have been validated. However, DCA enables the identification of defects being created with strain using derived obstacle-strength factor (α γ ). The changes in mechanisms during work-hardening can be decoded using the α γ – γ plot whereby constant α γ indicate steady-state deformation and its rapid decrease, the start of diffuse necking. Thus, α γ is a composite factor of defects being continuously created whereas conventional α is a measure of the stored work up to that strain. The tensile data from polycrystalline super-pure aluminum tested at 78 K were used to validate the derived relations which were applied to the DCA of age-hardenable aluminum alloys tested at 298 K. The present work shows that integral replication of stress-strain diagram is essential, but a differential analysis is required to devolve the creation of crystal defects with strain. Secondary hardening due to double cross-slip in which the mean slip distance extends beyond the formation of dipoles to permit sideways unzipping leading to kink-screw-glide mechanism and ultimate formation of Frank-Read source at the original site of cross-slip. This process initiates diffuse necking. Secondary hardening due to debris formation leads to hair-pin effect.
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 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».