Determining the Parameters of Gurson–Tvergaard–Needleman Model for Predicting the Failure of Wrought and Fused Filament Fabricated 17-4 PH Stainless Steel
Notice bibliographique
Résumé
Abstract Metal additive manufacturing is an emerging technology for creating metallic parts, with metal fused filament fabrication (FFF) rapidly gaining popularity due to its cost-effectiveness. Despite the acceptable mechanical properties of additively manufactured metals using FFF, a significant technical challenge is the presence of undesirable porosity, which affects material performance. This study aims to model the material behavior of FFF 17-4 PH stainless steel, considering its porosity, using the Gurson–Tvergaard–Needleman (GTN) damage model. The GTN model, which incorporates the micromechanical behavior of ductile metals, shows great potential for failure prediction. The GTN model parameters were identified for both wrought and FFF 17-4 PH stainless steel through a series of proposed methods. Initial void volume fractions were determined using density measurements. The evolution of void volume fractions was experimentally assessed through interrupted uniaxial tensile tests, leading to the analytical derivation of three void nucleation parameters based on continuum damage mechanics. Additional GTN model parameters related to material failure were determined through microscopic analysis of rupture surfaces and finite element (FE) trial-and-error methods. FE simulations using the GTN damage model, represented as porous metal plasticity in abaqus, were conducted to verify the identified parameters. The results demonstrated that the numerical calculations of the FE model are in good agreement with the experimental data. The use of experimentally derived GTN model parameters from the proposed methods effectively predicts material behavior, particularly in the post-necking region where traditional FE modeling fails to simulate the realistic material response.
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 | 0,001 | 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 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 ».