Development of Pipeline Sleeve End Fillet Weld Stress Intensity Factor and Reference Stress Solutions for Fatigue and Failure Assessment
Notice bibliographique
Résumé
Pipeline defects such as cracks, dents and corrosion often require permanent pressure retaining repairs. Full encirclement metallic repair sleeves with fillet-welded end connections to the pipeline are often used for this purpose. In-service failures have occurred at pressure retaining sleeves as a result of defects associated with the sleeve welds, such as hydrogen-induced cracks, undercut at the fillet welds and inadequate weld size. At present, accurate quantitative fitness for service assessments for circumferential defects in a sleeve fillet welds are difficult to carry out due to a lack of detailed stress intensity factor (SIF) solutions for finite length cracks. The primary objective of the project presented in this paper [1] was to develop flaw acceptance criteria which will fill gaps in the available Engineering Critical Assessment procedures for metallic sleeve repairs on all grades of pipelines. SIF solutions for finite length sleeve-end fillet weld toe and root cracks were generated and used to develop parametric equations suitable for carrying out defect assessments. These equations can be used in the assessment of fatigue crack growth and/or fracture using failure assessment diagram (FAD) methods at sleeve end fillets alongside the results developed for other structural geometries in national standards. The equations were developed based on detailed finite element (FE) analyses of a wide range of sleeve end fillet weld cracking scenarios to estimate the SIFs at both the deepest point and the surface breaking point along the crack front.
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 ».