Derivation of Effective Strain-Life Data, Crack Closure Parameters and Effective Crack Growth Data from Smooth Specimen Fatigue Tests
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Small crack growth from notches under variable amplitude loading requires that crack opening stress be followed on a cycle by cycle basis and taken into account in making fatigue life predictions. The use of constant amplitude fatigue life data that ignores changes in crack opening stress due to high stress overloads in variable amplitude fatigue leads to non-conservative fatigue life predictions. Similarly fatigue life predictions based on small crack growth calculations for cracks growing from flaws in notches are non-conservative when constant amplitude crack growth data are used. These non-conservative predictions have, in both cases, been shown to be due to severe reductions in fatigue crack closure arising from large (overload or underload) cycles in a typical service load history. The work in this paper is concerned with the derivation of crack closure constants for use in two models; the effective strain-life fatigue model that can be applied to predict fatigue lives for smooth and blunt notched specimens under constant and variable amplitude loading and the effective fatigue crack growth model that can be used to predict fatigue lives of short cracks growing out of notches or flaws under constant and variable amplitude loading. Fatigue life calculations based on equations using crack opening stress are shown to give accurate fatigue life predictions for smooth and notched specimens subjected to variable amplitude service load histories. The influence of metal hardness on crack opening stress behaviour is deduced by comparing data for the three metal hardness levels used in this investigation.</div></div>
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 | 0,001 |
| Science ouverte | 0,001 | 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 ».