Usinage à haute vitesse et à sec des alliages d'aluminium : aspects thermomécaniques, dynamiques et écologiques
Bibliographic record
Abstract
L'usinage à grande vitesse (UGV) à sec est une technologie prometteuse pour une industrie du futur qui encourage les procédés écologiques. L'UGV à sec est un procédé d'usinage plus écologique et moins coûteux que l'usinage avec lubrifiant. Les défis majeurs rencontrés lors de l'UGV à sec incluent la détermination des conditions et des stratégies de coupe stable, la limitation de réchauffement excessif de l'outil et de la pièce et la minimisation de l'émission des particules fines et ultrafines. La majeure partie de ces particules, générées au cours de l'usinage, est nocive à la santé des opérateurs. Cette dernière n'est pas toujours prise en considération lors de la sélection de conditions de coupe. Une approche originale a été proposée dans la présente thèse pour inclure la santé de l'opérateur comme facteur déterminant pour le choix de conditions de coupe en UGV à sec. Afin d'appliquer une telle approche, les défis rencontrés étaient traités sous trois angles différents mais inter reliés : l'aspect environnemental, l'aspect thermomécanique et l'aspect dynamique. En utilisant une approche énergétique, il était possible de prédire le pourcentage de la masse du copeau qui va se transformer en particules. Les mesures de validation expérimentale du modèle propo.sé ont été faites au cours de l'usinage à sec et lubrifié en utilisant deux spectromètres : Scanning Mobility Particle Sizer spectrometer et Aerodynamic Particle Sizer spectrometer Le modèle permet de prédire les émissions de poussière pour des conditions de coupe données et de confirmer que la majorité de particules générées est causée par les déformations plastiques dans la zone primaire. Le pourcentage des particules générées est significativement influencé par les niveaux de déformation dans la zone de formation du copeau. Il a été démontré que les grandes vitesses de coupe permettent de réduire le pourcentage de particules générées. Cependant au cours de l'UGV à sec, réchauffement excessif peut causer des distorsions de la pièce et abréger la durée de vie de l'outil. Pour surmonter ces inconvénients, il est nécessaire de choisir les conditions de coupe qui minimisent réchauffement et les forces de coupe. Pour ce faire, un nouveau modèle thermomécanique a été développé pour prédire les forces et la température au cours de l'usinage pour des conditions données. Ce modèle permet la prédiction instantanée des forces de coupe et de la température. 11 inclut une équation constitutive de type Needleman-Lemonds. Les résultats du modèle sont comparés aux résultats de modèle d'Altintas et aux résultats expérimentaux. De bonnes corrélations sont observées. L'une des hypothèses adoptées pour construire le modèle de coupe était la stabilité de conditions de coupe. Pour vérifier cette hypothèse, la stabilité dynamique de procédé UGV a été abordée. Une nouvelle méthode a été proposée pour construire des lobes de stabilité 'dynamique' au cours de l'usinage. La technique d'analyse modale opérationnelle était appliquée avec succès pour extraire les paramètres dynamiques d'une machine-outil lors de l'usinage. Les résultats ont été utilisés pour construire des lobes de stabilité dynamiques. Ces lobes dynamiques tiennent compte du changement de la dynamique de machine-outil au cours de l'usinage.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".