Milling of additively manufactured AlSi10Mg with microstructural porosity defects, finite element modeling and experimental analysis
Notice bibliographique
Résumé
Metal additive manufacturing finds its applications in various sectors, especially the automotive and aerospace industries, wherein weight reduction of components is of paramount importance with respect to performance and fuel consumption. However, additively manufactured metallic components usually undergo post-processing steps to make them ready for end use application. One of these steps is finish machining that is employed to overcome the surface irregularities and poor tolerances produced as a result of additive manufacturing (AM). These finish machining processes involve turning, milling, drilling, reaming, or grinding. This paper presents a three-dimensional (3D) finite element (FE) model to simulate the chip formation during the milling of an AM aluminum alloy AlSi10Mg, while taking microstructural porosity defects into consideration. The material was chosen for its significance in the aerospace and automotive industries. The proposed numerical model was developed using ABAQUS™ and is capable of predicting the cutting forces during the milling of AM AlSi10Mg. The Johnson-Cook strength and fracture models were utilized to simulate the deformation mechanics of the workpiece material subjected to high strains, high strain rates, and high temperatures caused by machining. Two algorithms have been proposed and discussed to model the microstructural defects in the AM metal. Machining tests were performed on an AM AlSi10Mg specimen block to validate the proposed finite element model. To further demonstrate the capability of the proposed model in capturing the influence of porosity on cutting forces, a study has been conducted revolving around the impact of different pore sizes. The chips produced during the machining tests were also collected to compare the morphologies between the numerically simulated chips and the ones obtained experimentally, to further strengthen the validity of the proposed model.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».