Pattern Studies of Strain Distributions for Detecting Pipe Wrinkling
Notice bibliographique
Résumé
As both onshore and offshore pipeline constructions push further into higher risk terrains, such as geologically unstable terrain and the Arctic region, the risk of local buckling failure (wrinkling) for these buried pipelines has been increasing gradually. However, current methods used to prevent buried pipelines from buckling failure are expensive, time consuming, and unreliable. Therefore, to overcome these problems, a reliable method of predicting pipeline wrinkling is proposed. The method can provide active warning for pipeline wrinkling through a decision-making system (DMS). The DMS has been designed to identify strain distribution patterns and their development on critical pipe segments and detect the onset of pipe wrinkling. To create a reliable DMS, studies of the strain distribution patterns of line-pipes during pipe buckling are very important. In this paper, the strain distribution patterns of various line-pipes are presented. These line-pipes have different material and geometric properties, loading conditions, and manufacturing conditions. A total of 32 sets of experimental results and 72 sets of finite element analyses (FEA) along with parametric studies were included in the study. The study revealed significant behavioral characteristics of the strain distribution patterns during pipe buckling and important parameters affecting these strain patterns. For practical application, three thresholds of the strain distribution patterns are proposed. Furthermore, the optimal positions and spacing of the strain measurements for early detecting pipelines wrinkling are discussed as well.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 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 ».