MétaCan
Menu
Retour à la cohorte
Enregistrement W7061948531

Self-Piercing Riveting of High Ductility Al-Fe-Zn-Mg Casting Alloy (Nemalloy HE700) in F Temper: Modelling, Simulation and Experimental Analysis

2024· dissertation· en· W7061948531 sur OpenAlexaff

Notice bibliographique

RevueMacSphere (McMaster University) · 2024
Typedissertation
Langueen
DomaineEngineering
ThématiqueAdvanced Power Generation Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésRivetAlloyDuctility (Earth science)Strain hardening exponentVoid (composites)Finite element methodFormabilityPlasticityAluminiumCasting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis presents a comprehensive investigation into the feasibility and optimization of self-piercing riveting (SPR) for joining high-ductility die-cast aluminum alloy Nemalloy HE700 in F temper (as-cast) condition to dissimilar sheet materials, namely wrought aluminum alloy 6082-T6 and dual-phase steel DP600. The study demonstrates successful SPR joining of HE700 to these materials, with optimized process parameters and joint quality meeting automotive industry standards. Systematic experimental studies were conducted to investigate the effects of key SPR process parameters, including die geometry, ring groove depth, rivet hardness, and length, on joint quality and performance. Microstructural characterization revealed distinct patterns of grain flow and localized hardening in HE700 around the rivet and die features, providing insights into its deformation characteristics. Finite element simulations, incorporating advanced material models such as Johnson-Cook plasticity and failure for AA6082 and DP600, and Voce hardening with Gurson-Tvergaard-Needleman void damage model for HE700, were developed and extensively validated against experimental results. The simulations accurately predicted potential failure sites in HE700, aligning with experimental observations of crack initiation. Numerical parametric studies demonstrated the intricate effects of process parameters and material properties on the stress and strain distributions, material flow, and damage accumulation during SPR. The research contributes to the growing body of knowledge on advanced joining techniques for dissimilar materials, supporting vehicle lightweighting efforts. It establishes a comprehensive methodology integrating experiments, microstructural characterization, and simulations for studying and optimizing SPR processes for low ductility casting alloys, serving as a blueprint for future research and industrial implementation. The findings demonstrate the viability and potential of SPR technology for integrating high-ductility die-cast aluminum alloy HE700 into lightweight automotive body structures, paving the way for its wider industrial adoption.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,227
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacSphere (McMaster University)Même sujetAdvanced Power Generation TechnologiesTravaux en français237 207