MétaCan
Menu
Retour à la cohorte
Enregistrement W2072318665 · doi:10.1115/1.4030066

Finite Element Modeling of Shot Peening Residual Stress Relaxation in Turbine Disk Assemblies

2015· article· en· W2072318665 sur OpenAlexafffund
S. A. Meguid, Luke Anthony Maricic

Notice bibliographique

RevueJournal of Engineering Materials and Technology · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Treatment and Residual Stress
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaQatar National Research Fund
Mots-clésShot peeningResidual stressPeeningFinite element methodMaterials scienceTurbineStructural engineeringShot (pellet)Mechanical engineeringComposite materialMetallurgyEngineering

Résumé

récupéré en direct d'OpenAlex

Surface enhancement techniques such as shot peening are extensively used to increase the fatigue life of components in gas turbine engines. Due to the combined thermomechanical nature of the loading encountered within an engine, aeroengine designers have avoided incorporating the beneficial effects in their analysis. This can lead to overdesign and early retirement of critical engine components. A finite element modeling procedure is introduced that incorporates the shot peening residual stresses on a fir-tree turbine disk assembly. Unlike traditional equivalent loading approaches, the method models the actual impact of shots on the assembly and is the first time this approach is used to introduce peening residual stresses in turbine disks. In addition, the stability of these residual stresses in response to cyclic thermomechanical loadings at the contact interface is also studied. The results reveal that thermomechanical overload can nearly fully relax the shot peening residual stresses within the first cycle due to the combined effects of decreased material yield strength and plastic deformation. This work will enable aeroengine designers to assess critical surface treated components for structural integrity, optimal design, and residual life.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,230
Écart entre enseignants0,210 · 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'étudeSimulation ou modélisation
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

Citations14
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering Materials and TechnologyMême sujetSurface Treatment and Residual StressTravaux en français237 207