Application of Load Sequence to Control Crack Growth in Steel Pipelines Under Near Neutral pH SCC
Notice bibliographique
Résumé
Pipelines are designed to operate below a maximum operating pressure in service. However, there are pressure fluctuations during operation. The presence of pressure fluctuations creates a drive for crack growth in steel pipes. In order to prevent catastrophic failure of pipelines, there is need for better understanding of the contribution of pressure fluctuations to crack growth rate in steel pipelines. Analysis of pressure fluctuation data in oil and gas pipelines shows that there are different types of fluctuations in a pipe due to friction loss with distance from the pump or compressor station. All these fluctuation types show a form of variable amplitude loading classified in this research as underload, mean load and overload. Studies of some structural systems shows that underload can cause acceleration of crack growth while retardation of crack growth is observed after an overload. This research aims to apply pressure fluctuations to manage integrity of steel pipelines through a novel approach of load sequence involving underload and overload in near neutral pH environment. Clear knowledge of the effect of load interaction involving load sequence of underload and overload is vital to control crack growth in steel pipelines under near neutral pH environment. The result of crack growth rate under different load sequence on X65 steel indicate that increase in overload ratio of 2, 3 and 4 caused an increase in crack growth rate of 1.68E−3, 1.89E−3 and 2.31E−3 mm/block respectively. These results are compared with results from other tests under variable amplitude without load sequence. Analyses were carried out on the morphology of the crack tip and the fracture surface after the test.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».