Prediction of fatigue life of rubber mounts using stress-based damage indexes
Notice bibliographique
Résumé
Prediction of fatigue lives of a rubber mount necessitate formulation of models for estimating fatigue life of the rubber materials used in the mount. Moreover, the prediction accuracy of the model is strongly dependent upon the choice of damage index that are based on different strain, energy or stress measures in the vicinity of critical locations of the rubber mount. In this study, relative performance of models employing different damage indices are evaluated for prediction of fatigue lives of rubber material and a drive-train rubber mount. A combined stress and an effective stress function are proposed as a damage index for predicting fatigue lives of rubber materials and the mounts. Different damage indices, identified from the finite element models of the rubber dumbbell cylindrical specimen are applied for formulations of fatigue life prediction models. The model parameters are identified from the measured data acquired for the rubber dumbbell cylindrical specimen under 31 different uniaxial displacement loads, using least squared error minimization technique. The identified models employing different damage indices are subsequently applied for predicting fatigue lives of rubber mounts under different magnitudes of loads applied along two different directions. The correlations of the predicted lives of the rubber mount from the models employing different damage indices with measured fatigue life data were subsequently investigated for the rubber mount subject to different load conditions. It is shown that the models identified for the rubber material could be effectively used for predicting fatigue lives of the mounts, which are made of same material. The fatigue lives predicted by the models considering either effective stress or combined stress as the damage index correlated with the measured data within a factor of two for the two, suggesting that stress-based damage indices could yield more accurate predictions of fatigue lives of typical mounts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».