Energy-based damage descriptions to assess fatigue life of steel samples undergoing various multiaxial loading spectra
Notice bibliographique
Résumé
The present study evaluates fatigue damage of four steel alloys, mild steel, SS347, SNCM439, and SNCM630, by means of Socie, Ellyin, and Varvani-Farahani damage models. The Socie model assesses fatigue damage through product of maximum principal strain amplitude and maximum normal stress on the maximum principal strain plane. Damage description by Ellyin was developed as both elastic and plastic strain energies over loading spectrum were integrated. The elastic–plastic response of materials is evaluated through use of Garud’s constitutive plasticity model to achieve components of stress/ strain and corresponding stress–strain hysteresis loops. Based on the Varvani-Farahani model, components of stress and strain calculated from largest Mohr’s circles over peak-valley events are employed to assess fatigue damage. Overall damage was calculated on the basis of energy-based models from counted reversals over entire loading blocks and related to fatigue life. The Socie approach overpredicted lives for steel samples. Predicted life data for mild steel and SS347 samples fell below the midline based on the Ellyin’s model. Both Ellyin and Varvani-Farahani models showed a good agreement of predicted lives for steel samples within factors ±3 as compared with experimental data. The choice of damage assessment was highly related to consistency of damage descriptions to crack formation and early growth, stress/strain components, material properties, and loading spectrum.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».