MétaCan
Menu
Retour à la cohorte
Enregistrement W2140242667 · doi:10.5267/j.esm.2014.7.001

Enhancement of fatigue life of rail-end-bolt holes by slide diamond burnishing

2014· article· en· W2140242667 sur OpenAlexvenueno aff
Jordan Maximov, Galya Duncheva, Angel Anchev, I. M. Amudjev, V. T. Kuzmanov

Notice bibliographique

RevueEngineering Solid Mechanics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Treatment and Residual Stress
Établissements canadiensnon disponible
Organismes subventionnairesTehnicheski universitet Gabrovo
Mots-clésBurnishing (metal)Materials scienceDiamondStructural engineeringMetallurgyComposite materialForensic engineeringMechanical engineeringEngineeringPolishing

Résumé

récupéré en direct d'OpenAlex

The fatigue failure around rail-end-bolt holes is particularly dangerous since it leads to derailment of trains and consequently to inevitable accidents. It is well-known that the fatigue life of structural holed components, subjected to cyclic load, can be increased by generating compressive hoop stresses around the holes. These beneficial residual compressive stresses significantly reduce the maximum values of the operating tensile stresses arising at the critical points of the components and thus impede the formation of first mode cracks. A new approach to enhancement of fatigue life of rail-end-bolt holes has been developed. The approach involves sequential drilling and reaming through a new combined tool and then slide diamond burnishing by a new device. The technology implementation was carried out on machine tool. The process of creating residual stresses has been studied both experimentally and numerically. The experimental study was conducted by means of a modified split ring method. A reliable finite element modeling approach to the slide diamond burnishing process was developed. On this basis, the process was optimized by means of a genetic algorithm. As a result, the optimal combination of the governing process parameters is established, which ensures both maximum depth of the compressive zone and maximum absolute values of the residual stresses.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,402
Score d'incertitude au seuil1,000

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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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.

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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Solid MechanicsMême sujetSurface Treatment and Residual StressTravaux en français237 207