MétaCan
Menu
Retour à la cohorte
Enregistrement W2783651587 · doi:10.1115/imece2017-70552

Finite Element Study of Double-Gasket Bolted Joint Connection for Different Gaskets and Bolt Torques

2017· article· en· W2783651587 sur OpenAlexaff
R. Ghafouri-Azar, Rosha Banan, Miodrag Stojakovic

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Structural Analysis Methods
Établissements canadiensOntario Power Generation
Organismes subventionnairesnon disponible
Mots-clésGasketBolted jointFinite element methodStructural engineeringJoint (building)TorqueEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

In order to understand the behavior of bolted joints and select a right size, type and gasket load combination, a detailed analysis tool is very helpful. However, the modeling and analysis of a bolted joint connection is a complicated, complex process; particularly if multiple parts are considered in the Finite Element (FE) modeling. Analysis results are often sensitive to bolt pre-torque, gasket type, gasket thickness and other challenges of Finite Element (FE) modeling. In addition, often credible and reliable gasket deflection-load data are not readily available. The bolted joint under study was a double-gasket joint with inner gasket leakoff. The joint has leaked on several occasions, sometimes after several years of service due to warmup/cooldown cycling and sometimes immediately after installation and pressurization. A 3-D FE model was developed for assembly of tubesheet, bolt, two inner and outer gaskets, and vessel cover. Different cases were studied by changing gasket load-deflections for different gasket materials, gasket thicknesses and bolt loads. The outcome of the analyses was used to predict the behavior of bolted joints and understand the root cause of leakage. The results provided guidance for choosing the right combination of bolt pre-torque and gasket type.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,041
Tête enseignante GPT0,300
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEngineering Structural Analysis MethodsTravaux en français237 207