Fatigue Life Prediction of an Automobile Cradle Mount
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Elastomers have large reversible elastic deformation, good damping and high energy absorption capabilities. Due to these characteristics along with low cost of manufacturing, elastomeric components are widely used in many industries and applications, including in automobiles. These components are typically subjected to complex multiaxial and variable amplitude cyclic loads during their service life. Therefore, fatigue failure and life prediction are important issues in the design and analyses of these components. Availability of an effective CAE technique to evaluate fatigue damage and to predict fatigue life under complex loading conditions is a valuable tool for such analysis. This paper discusses a general CAE analytical technique for durability analysis and life prediction of elastomeric components. The methodology is then illustrated and verified by using experimental fatigue test results from an automobile cradle mount. The developed methodology involves constitutive behavior and fatigue behavior of the material, finite element analysis of the component, and fatigue damage quantification for life predictions. The commonly used Rainflow cycle counting method and Miner linear cumulative damage rule for metals are also evaluated for their application to variable amplitude loading of elastomeric components. The experiments included axial as well as combined in-phase and out-of-phase axial-torsion constant amplitude and variable amplitude tests. Comparisons of the predictions with experimental results show that the developed methodology correctly predicts the failure location. It also provides reasonably accurate estimates of the fatigue initiation life.</div></div>
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».