MétaCan
Menu
Retour à la cohorte
Enregistrement W2011883245 · doi:10.1115/ipc2014-33430

Comparison Between Standard and Modified Back-Slotted DWTT Specimens

2014· article· en· W2011883245 sur OpenAlexaff
Do-Jun Shim, Mohammed Uddin, Gery Wilkowski, Da-Ming Duan, James Ferguson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFatigue and fracture mechanics
Établissements canadiensTransCanada (Canada)
Organismes subventionnairesnon disponible
Mots-clésFracture (geology)Fracture toughnessMaterials scienceComposite materialStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The effect of fracture speed on the ductile fracture resistance of line-pipe steels can have an important effect in the basic understanding of the toughness requirements for crack arrest. Recently, the authors have extended the drop-weight tear test (DWTT) work and developed a modified back-slot (MBS) DWTT specimen to obtain higher fracture speeds. The initial experimental observations demonstrated that this type of specimen can be used to obtain higher fracture speeds. Furthermore, the experimental results clearly showed the effect of fracture speed on the ductile fracture resistance. In this paper, an in-depth study was carried out to further investigate why higher fracture speeds are obtained in the MBS-DWTT specimens. For this purpose, quasi-static and dynamic/impact DWTT experiments were conducted for both standard DWTT and MBS-DWTT specimens. In addition, finite element analyses using cohesive zone model were carried out to investigate the fracture behavior in these tests. In summary, the higher fracture speeds in the MBS-DWTT come from two major factors. First, as demonstrated by the quasi-static test results, the natural unloading characteristics of the MBS-DWTT specimen (even under pure displacement-controlled loading) leads to higher fracture speeds. Second, the steep unloading curve of the MBS-DWTT specimen produces a higher possibility of an unstable ductile fracture even during the impact event, which will result in higher fracture speeds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,719
Score d'incertitude au seuil0,412

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,248
Écart entre enseignants0,224 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFatigue and fracture mechanicsTravaux en français237 207