Bridging the gap between metallurgy and fatigue reliability of hydraulic turbine runners
Notice bibliographique
Résumé
The failure of hydraulic turbine runners is a very rare event. Hence, in order to assess the reliability of these components, one cannot rely on statistical models based on the number of failures in a given population. However, as there is a limited number of degradation mechanisms involved, it is possible to use physically-based reliability models. Such models are more complicated but have the advantage of being able to account for physical parameters in the prediction of the evolution of runner degradation. They can therefore propose solutions to help improve reliability. With the use of such models, the effect of materials properties on runner reliability can easily be illustrated. This paper will present a brief review of the Kitagawa-Takahashi diagram that links the damage tolerance approach, based on fracture mechanics, to the stress or strain-life approaches. This diagram is at the centre of the reliability model used in this study. Using simplified response spectra obtained from on-site runner stress measurements, the paper will show how fatigue reliability is impacted by materials fatigue properties, namely fatigue crack propagation behaviour and fatigue limit obtained on S-N curves. It will also present a review of the most important microstructural features of 13%Cr- 4%Ni stainless steels used for runner manufacturing and will review how they influence fatigue properties in an effort to bridge the gap between metallurgy and turbine runners reliability.
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 | 0,001 |
| 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 ».