MétaCan
Menu
Retour à la cohorte
Enregistrement W2535771793 · doi:10.1115/ipc2000-134

Simulation of Dynamic Ductile Failure in Pipelines

2000· article· en· W2535771793 sur OpenAlexaff
N. Pokutylowicz, Michael J. Luton, R.A. Petković, J. A. NEMES, Steve Yue

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTearingFinite element methodToughnessDynamic loadingHardening (computing)Strain hardening exponentMaterials scienceMaterial failure theoryStructural engineeringWork hardeningPlasticityPipeline transportFracture mechanicsComposite materialMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

A finite-element method computer simulation was constructed in order to assist in determining what material properties affect the resistance to dynamic ductile failure in pipelines. Such failure is caused by stable axial tearing that involves a substantial amount of plastic deformation, and is driven by the kinetic energy of the expanding gas. Various semi-empirical relationships exist in the literature to predict the toughness required for resistance to the propagation of a dynamic ductile failure, but these tend to be ineffective when applied to higher strength grades of steel. The present finite-element model is composed of two main sub-models. The gas decompression algorithm is based on analytical expressions and calculates the gas pressure throughout the pipe as the ductile fracture propagates. The material-response algorithm determines the behaviour of the material under the changing loading conditions. It simulates the material response, including rate-dependent yield as well as anisotropy of yield and work hardening. The model is validated by using comparisons with published data from the literature. This paper focuses on a description of the different components of the model and their interaction. In addition some observations from the various simulations are discussed.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,424

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 Opus0,008
Tête enseignante GPT0,244
Écart entre enseignants0,237 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNon-Destructive Testing TechniquesTravaux en français237 207