MétaCan
Menu
Retour à la cohorte
Enregistrement W2565059179 · doi:10.1063/1.4974684

Finite element model study of the effect of corner rounding on detectability of corner cracks using bolt hole eddy current

2017· article· en· W2565059179 sur OpenAlexaff
P. R. Underhill, Thomas W. Krause

Notice bibliographique

RevueAIP conference proceedings · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésRoundingFinite element methodStructural engineeringRADIUSEddy currentMaterials scienceEddy-current testingEnhanced Data Rates for GSM EvolutionMechanicsGeometryEngineeringMathematicsPhysicsComputer scienceElectrical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Recent work has shown that the detectability of corner cracks in bolt-holes is compromised when rounding of corners arises, as might occur during bolt-hole removal. Probability of Detection (POD) studies normally require a large number of samples of both fatigue cracks and electric discharge machined notches. In the particular instance of rounding of bolt-hole corners the generation of such a large set of samples representing the full spectrum of potential rounding would be prohibitive. In this paper, the application of Finite Element Method (FEM) modeling is used to supplement the study of detection of cracks forming at the rounded corners of bolt-holes. FEM models show that rounding of the corner of the bolt-hole reduces the size of the response to a corner crack to a greater extent than can be accounted for by loss of crack area. This reduced sensitivity can be ascribed to a lower concentration of eddy currents at the rounded corner surface and greater lift-off of pick-up coils relative to that of a straight-edge corner. A rounding with a radius of 0.4 mm (.016 inch) showed a 20% reduction in the strength of the crack signal. Assuming linearity of the crack signal with crack size, this would suggest an increase in the minimum detectable size by 25%.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,688
Score d'incertitude au seuil0,882

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0010,000
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 Opus0,050
Tête enseignante GPT0,308
Écart entre enseignants0,258 · 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'étudeObservationnel
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetNon-Destructive Testing TechniquesTravaux en français237 207