MétaCan
Menu
Retour à la cohorte
Enregistrement W2004123278 · doi:10.1115/omae2012-83469

Underwater Stress Relief and Fatigue Improvement by Ultrasonic Peening

2012· article· en· W2004123278 sur OpenAlexaff
Jacob I. Kleiman, Yuri Kudryavtsev, Alexander Lugovskoy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Properties and Applications
Établissements canadiensIntegrity Testing Laboratory (Canada)
Organismes subventionnairesnon disponible
Mots-clésPeeningUnderwaterResidual stressUltrasonic sensorWeldingMaterials scienceTransducerUltimate tensile strengthShot peeningStress (linguistics)Fatigue limitStructural engineeringAcousticsComposite materialEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

A new ultrasonic peening instrument was developed for underwater treatment of welds and welded structures. The Ultrasonic Peening (UP) established itself as a promising process for fatigue life improvement of welded elements and structures. The beneficial effect of UP is obtained through relieving of harmful tensile residual stresses and introducing of compressive residual stresses into surface layers of materials, and through decreasing of stress concentration in weld toe zones and enhancement of mechanical properties of the surface layers of the materials. In the design of the underwater UP instrument specially selected anti-corrosion materials are used. The underwater UP instrument can be used for treatment of welds at depths up to 30 meters or, if required, with certain modifications, even deeper. Acoustic pump principle is used in the originally developed system for water cooling of the transducer. The developed UP system allows for improvement treatments at four different power levels and is using replaceable working heads that come in various configurations with variable numbers of pins, depending on the application.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,250
Écart entre enseignants0,228 · 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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMaterial Properties and ApplicationsTravaux en français237 207