MétaCan
Menu
Retour à la cohorte
Enregistrement W2790949874 · doi:10.1016/j.proeng.2018.02.005

Modeling and simulation of weld residual stresses and ultrasonic impact treatment of welded joints

2018· article· en· W2790949874 sur OpenAlexaff
Jing Zheng, Ayhan Ince, Lanqing Tang

Notice bibliographique

RevueProcedia Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Treatment and Residual Stress
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésWeldingResidual stressMaterials scienceUltimate tensile strengthFinite element methodComputer simulationStructural engineeringStress (linguistics)Fatigue limitButt jointComposite materialMetallurgyEngineering

Résumé

récupéré en direct d'OpenAlex

Most structures are fabricated using welded joints because of its low cost, structural strength and geometric flexibility. Welding is considered a highly complex metallurgical process that results in irregular geometries, material imperfections/flaws and tensile residual stresses. High tensile residual stresses and stress concentrations resulting from the weld process have a significant impact on fatigue life of structures, and thus a topic of great concern in product design. Ultrasonic impact treatment (UIT) is regarded as one of the most effective post welding treatment techniques to enhance the fatigue performance of welded structures. The UIT aims to introduce fatigue-beneficial compressive stresses by plastically deforming the weld toe and reduce stress concentrations by modifying local weld geometries. In this study, 3D modeling and simulation using finite element (FE) method has been performed to simulate welding process and numerical modeling of the UIT process to predict weld residual stress distribution of butt and T weld joints. The predicted numerical results under as-welded and UIT treatment conditions were compared to present weld residual stress improvements. Compared results shows that the UIT has potential applications on the fatigue design of welded structures, can lead to lighter structures and products, in which structures can be down-sized and optimized to reduce weights.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,249
Écart entre enseignants0,234 · 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

Citations46
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia EngineeringMême sujetSurface Treatment and Residual StressTravaux en français237 207