A novel phenomenological material model and calibration for high temperature material behaviour of AA5083
Notice bibliographique
Résumé
With the constant prioritization for vehicle lightweighting, high temperature forming processes are increasing in demand due to their capability to produce large and complex parts in a single forming operation. Superplastic forming is utilized to form such parts, but this process typically requires long forming times. To remedy this, an increasing number of processes are being developed which utilize a higher and more variable strain rate history during the forming process. As a result, there is a growing need to develop material models capable of simulating high-temperature forming processes characterized by variable strain rates and different deformation mechanisms acting at different strain rates. This study proposes the utilization of physical based modelling concepts to construct a simple, phenomenological model that is easy to use within industry. Consequently, tensile tests were conducted on aluminum alloy AA5083 at temperatures of 400°C, 450°C and 500°C, at strain rates ranging from 0.0005 s −1 to 0.15 s −1 . Additionally, an iterative model parameter calibration procedure is proposed, verified, and validated with LS-DYNA finite element simulations to achieve accurate predictions of material behaviour all the way up to the onset of localized necking. The generated material model(s) yielded validation metrics greater than 96% for the investigated data sets. The accuracy of the model was further assessed using tensile testing data with changing strain rates, yielding validation metrics on average greater than 90%.
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 | 0,000 | 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 ».