Advanced Pipeline Welding Technologies for Strain-Based Design
Notice bibliographique
Résumé
In order to meet the increasing worldwide energy demand, there is a need to economically develop remote oil and gas resources. Construction of pipelines is required to connect these resource locations to markets. Such pipeline routes may cross areas of large ground motions such as regions of active seismicity, discontinuous permafrost, and offshore ice gouging. All of these features can subject pipelines to significant longitudinal strains. For these conditions a strain-based design (SBD) approach may be required to maintain pipeline integrity. Welding technology is a key component of pipeline construction. Significant pipeline construction cost savings are enabled with the use of higher strength steels (X80+). Higher strengths enable reduced pipe wall thicknesses, which reduces both weight and girth welding time. However, robust welding technology for high strength SBD pipelines remains challenging. Such applications demand welds with both high strength (>120ksi) and low temperature (−15°C) toughness, combinations that are at the limits of, or beyond, existing commercial technology. This paper discusses the development of an enabling welding technology which offers a superior combination of strength and toughness properties. An iron-nickel (FeNi) martensitic weld metal with a refined mixed cellular microstructure has been developed as a promising high strength weld metal that can be applied for field pipeline construction. This paper describes how this technology has been applied to create welds for X80 strain-based pipelines requiring significant weld strength overmatch and superior ductile tearing resistance. The welding technology can also be applied to X70 grade strain-based pipelines where high toughness is required. This approach has been developed for mainline girth, tie-in girth, and girth repair welding scenarios. Welding procedures are discussed and examples of the mechanical properties achieved and calculated strain capacities are described.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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 ».