MétaCan
Menu
Retour à la cohorte
Enregistrement W2084795752 · doi:10.1115/imece2004-60486

A Generalized Impact-Sliding Fretting Wear Model Based on Fracture Mechanics Approach

2004· article· en· W2084795752 sur OpenAlexaff
Yemane B Gessesse, Helmi Attia, M. O. M. Osman

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical stress and fatigue analysis
Établissements canadiensConcordia UniversityMcGill UniversityNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésFrettingMaterials scienceFracture (geology)MechanicsTribologyFracture mechanicsFlow (mathematics)Structural engineeringEngineeringMetallurgyComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Impact-sliding fretting wear is a complex phenomenon due to the random nature of the flow-induced vibrations, and the self-induced tribological changes. Available models, which relate wear losses to the process variables, are empirical in nature and bear no physical similarity to the actual mathematical and physical attributes of the wear process. A generalized model is developed in the present work to mathematically describe the fretting wear process under various modes of motion, namely, impact, sliding and oscillatory. This model, which is based on the findings from the fracture mechanics analysis of the crack initiation and propagation processes, takes into consideration the simultaneous action of both the surface adhesion and subsurface fatigue mechanisms. The model also accounts for the micro-, and macro- contact configuration of the tube-support system. The closed form solution requires the calibration of single parameter, using a limited number of experiments, to account for the effect of environment and the support material. The model was validated using experimental data that are generated for Inconel 600 and Incology 800 tube materials at room and high temperature environment, and for different types of motion. The results showed that model can accurately predict wear losses within a factor of < ±3. This narrow range presents better than an order of magnitude improvement over the current state-of-the-art models.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,697

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 Opus0,017
Tête enseignante GPT0,234
Écart entre enseignants0,217 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMechanical stress and fatigue analysisTravaux en français237 207