Modélisation de l'écoulement de l'aluminium semi-solide dans le moulage sous pression
Bibliographic record
Abstract
L'origine de la technologie de la mise en forme des métaux semi-solides remonte à plus de trente ans. L'industrialisation du moulage d'alliages semi-solides ne s'est répandue que depuis une dizaine d'année et elle a amené une nouvelle problématique, soit le développement de moules spécifiques. Les concepts utilisés pour fabriquer des moules pour l'injection d'alliages liquides ne garantissent par la performance avec l'utilisation d'alliages semi-solides. Surtout dans le moulage sous pression où la phase de remplissage du moule est critique lors de l'utilisation d'alliages semi-solides. Des outils de simulation numérique sont nécessaires pour concevoir et optimiser les moules. Ce travail à donc comme objectif de déterminer la validité d'un modèle mathématique à une phase utilisé dans un environnement de simulation isotherme pour reproduire l'écoulement de l'aluminium semi-solide dans le moulage sous pression. Une moule utilisé pour fabriquer des éprouvettes de traction sert de témoin. Ce moule a été choisi parce qu'il présente des difficultés lors de son remplissage. \n \nDans un premier temps, la modélisation physique avec un fluide analogue est utilisée pour reproduire les conditions d'injection de l'aluminium semi-solide. La pâte de tomate a été choisie comme fluide analogue pour ses propriétés pratiques et rhéologiques. Une réplique de moule a été fabriquée. Celle-ci utilise des parties en acrylique pour permettre l'enregistrement vidéo du remplissage du moule. Une caméra numérique capturant jusqu'à mille images par seconde a réalisé cet enregistrement. Diverses conditions de vitesses d'injections et de configuration du système de ventilation ont été mises à l'essai et enregistrées. Ces conditions ont été reproduites dans le logiciel de simulation ProCAST. Un modèle mathématique à une phase a servi à modéliser la viscosité de la pâte de tomate en fonction du taux de cisaillement. Ce modèle a été étalonné d'après la caractérisation rhéologique expérimentale de la pâte de tomate. Les résultats des simulations montrent une bonne concordance avec les vidéos des remplissages expérimentaux. L'environnement de simulation a ainsi été validé. \n \nPar la suite, un modèle mathématique a été utilisé pour représenter l'aluminium semi-solide dans le même environnement de simulation. Le modèle de rhéologie de l'aluminium semi-solide est une loi de puissance. Les caractéristiques de ce modèle ont été tirées des travaux antérieurs d'Orgéas. Ils permettent de comparer les résultats avec d'autres dans la littérature. Pour valider ces simulations, une série de moulages de pièces en aluminium semi-solide a été réalisée. Cette série comprend plusieurs pièces de remplissage partiel et quelques pièces complètes. Les pièces de remplissage partiel montrent l'écoulement du fluide lors de l'injection à divers temps fixés. Les pièces complètes permettent d'analyser les produits finis en métallographie. La combinaison de ces résultats montre que les simulations de l'écoulement de l'aluminium semi-solide permettent de prévoir le patron de remplissage. Le modèle à une phase n'est cependant pas en mesure de reproduire la ségrégation des phases, présente dans le moulage expérimental. Ce phénomène peut être évité en produisant une distribution symétrique du fluide dans le moule. \n \nLa comparaison des résultats expérimentaux obtenus avec l'aluminium semi-solide et avec la pâte de tomate permet d'établir que cette dernière est un bon fluide analogue pour l'aluminium semi-solide. La modélisation physique peut donc être utilisée dans le développement de moules. Il est plus rapide de simuler diverses vitesses d'injection en modélisation physique qu'en modélisation mathématique. \n \nLes outils pour la conception et le développement de moules spécifiques à l'utilisation d'aluminium semi-solide ont été validés. Un modèle à une phase permet de reproduire le comportement macroscopique de l'aluminium semi-solide lors de l'injection dans un moule, si le moule n'est pas propice à la ségrégation des phases. Ceci permet de mettre à l'essai plusieurs géométries de moule sans nécessiter de fabrication. \n \nRemerciements \n \nCe travail a été réalisé à l'Université du Québec à Chicoutimi (UQAC) en collaboration étroite avec le Centre des Technologies de l'Aluminium (CTA). L'auteur est sous la supervision du Professeur André Charette de l'UQAC et du Docteur Dominique Bouchard du CTA. Un support particulier a été fourni par Frédéric Pineau (CTA) en modélisation. La fabrication du moule a été assurée par Antoine Pelletier de l'Institut des matériaux industriels. La modélisation physique a été réalisée à l'usine pilote installée dans les locaux chez STAS avec Roberto Chevarie et Stéphane Leclerc. Chang-Qing Zheng (CTA) a aussi permis de réaliser les pièces moulées sur la presse. Le procédé SEED, breveté par Alcan Inc., a été utilisé pour produire l'aluminium semi-solide. \n
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".