MétaCan
Menu
Retour à la cohorte
Enregistrement W2171436880 · doi:10.1080/10402000801918031

A Study on<i>P</i>-<i>S</i>-<i>N</i>Curve for Rotating Bending Fatigue Test for Bearing Steel

2008· article· en· W2171436880 sur OpenAlexaboutno aff
Katsuji Tosha, Daisuke Ueda, Hirokazu SHIMODA, Shigeo SHIMIZU

Notice bibliographique

RevueTribology Transactions · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueGear and Bearing Dynamics Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeibull distributionLog-normal distributionBearing (navigation)Structural engineeringBendingNormal distributionWeibull modulusEngineeringMaterials scienceDistribution (mathematics)MathematicsComposite materialForensic engineeringStatisticsPhysicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

A study on the fatigue behavior of bearing steel by using rotating bending fatigue test rigs is carried out for bearing steel (JIS SUJ2 = AISI 52100) heat-treated to HRC58-62. Several P-S-N curves and fatigue life distributions, such as Weibull and log-normal, have been used for the discussion. As a result, the best fit for a life distribution of six lots each with a sample size of around 30 specimens, at stress levels from 0.94 GPa to 1.27 GPa, is obtained by the three-parameter Weibull distribution, followed by the lognormal distribution as second, and the two-parameter Weibull distribution as the third. The observation of the broken section of the test piece reveals that the initiation point of the failure is associated almost always with subsurface non-metallic inclusions. The fatigue limit could not be observed in the experimental results. It is also proposed that the relationship between the statistical life distributions of the test series and the P-S-N curve can be expressed by the same model as the life formula by introducing a rating stress such as bearing rating load in the three-parameter Weibull and log-normal distribution used.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,047
Tête enseignante GPT0,278
Écart entre enseignants0,231 · 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

Citations27
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTribology TransactionsMême sujetGear and Bearing Dynamics AnalysisTravaux en français237 207