MétaCan
Menu
Retour à la cohorte
Enregistrement W2138177811 · doi:10.4271/2012-01-0733

A Fatigue Life Estimation Technique for Body Mount Joints

2012· article· en· W2138177811 sur OpenAlexaff
Mingchao Guo, Suresh Bhosale, Sridhar Srikantan, Kurt Munson, Jeffrey Mentley

Notice bibliographique

RevueSAE International Journal of Materials and Manufacturing · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Engineering and Vibrations Research
Établissements canadiensChrysler (Canada)
Organismes subventionnairesnon disponible
Mots-clésMountEngineeringStructural engineeringComputer scienceAutomotive engineeringPhysical medicine and rehabilitationForensic engineeringMechanical engineeringMedicine

Résumé

récupéré en direct d'OpenAlex

A body mount joint is a typical clamped joint that is under severe loading conditions, due to its structural function services as a gateway of load path between body and frame of an automotive vehicle. Stresses/strains on durability concerned components at the joint cannot be captured accurately by using the pseudo stress analysis approach because of the complexity of stress state generated by the pre-stress from clamp load, contacts between the components and nonlinear material properties. In this paper, development of a technique for fatigue life estimation of the joint is described in detail. The technique includes: 1) a finite element analysis (FEA) of local joint model with contacts, clamp load setup and mesh of continuum elements, 2) modeling of nonlinear material properties under cyclic loading, 3) generation of equivalent constant reversed cyclic load along a dominant vector calculated from tri-axial load time histories, and 4) special considerations in stress/strain analyses and fatigue life estimations. A whole cab model which is used to assist processes of the local joint model and bench tests with same configuration and setup as that of the FEA local joint model also are introduced. It is concluded that this technique can estimate fatigue crack mode so that the parameter study to improve design of the joint can be carried out with appropriate accuracy and high efficiency in terms of analysis time.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,025
Tête enseignante GPT0,294
Écart entre enseignants0,269 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE International Journal of Materials and ManufacturingMême sujetMechanical Engineering and Vibrations ResearchTravaux en français237 207