Increased accuracy of SHPB test apparatus to better evaluate naval steels
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The use of high strength steel alloys for shipbuilding applications has increased in recent years in an effort to decrease costsassociated with the manufacture (i.e. material and welding costs) and operation (i.e. fuel economy) of naval vessels. The use ofthinner hull plate has implications for many design criteria, including high strain rate (impact and shock loading) performance.Increasingly, numerical modeling is being used to simulate high strain rate loading events on naval vessels, such as collisions and weapons attacks, with a goal of assessing operational limits. Accurate and reliable high strain rate material data must be used to ensure the accuracy of the numerical models. Confidence in measured data can only be achieved if the potential sources of errorin the measurement system have been eliminated, minimized or characterized. The mechanical behavior of three naval alloys, MIL S-16216K (HY-80), ASTM A517 grade F and CSA G40-21 350WT cat 5 were quantified under high strain rate (103s-1) compression using a Split Hopkinson Pressure Bar (SHPB) apparatus. A systematic error analysis was conducted on the SHPB apparatus to identify potential sources of error in the test set-up, data acquisition and data processing. The identified sources of error were then eliminated, minimized or compensated for, in order to improve the accuracy of the testing apparatus. SHPB compression data are compared to quasi-static tensile behavior. Metallography was conducted before and after high strain rate testing in order to investigate the deformation mechanisms that occurred in the alloys during the high strain rate loading events.
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.
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 | 0,001 |
| 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) | 0,001 | 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 découle