Experimental and Numerical Replication of Thermal Conditions in High-Pressure Die-Casting Process
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
Acquiring reliable thermal data during the high-pressure die-casting (HPDC) process remains a significant challenge due to its complexity and rapidly evolving thermal environment. In industrial settings, the influence of process parameters is typically evaluated after solidification by examining the final casting quality, as direct temperature measurements within the die during operation are difficult to obtain. Additionally, most casting simulation tools lack accurate correlations for the interfacial heat transfer coefficient (IHTC) as a function of process parameters. To address this limitation, a laboratory-scale hot chamber die-casting (HCDC) apparatus was developed to replicate the fluid flow and the thermal conditions of industrial HPDC operation while enabling direct thermal measurements inside the die cavity using embedded thermocouples. The molten metal temperature was estimated using the lumped capacitance method, and the IHTC was determined through a custom inverse heat conduction algorithm incorporating an adaptive forward time-stepping scheme. This algorithm was validated by solving the forward heat conduction problem using the ANSYS 2025 R1 Transient Thermal solver. The experimentally obtained IHTC values showed good agreement with those measured during industrial HPDC trials, with a maximum deviation of about 14% in the peak value, while the full width at half maximum (FWHM) differed by less than 12%. These results confirm that the developed HCDC setup can reliably reproduce industrial thermal conditions and generate high-quality thermal data that can be used in numerical casting simulations.
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