Optimized Bolt Tightening Sequences in Bolted Joints Using Superelement FE Modeling Technique
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A lot of effort is put to achieve bolt preload uniformity during the assembly process of offshore bolted joint connections resulting in potentially high economic costs and project delays. The complexity of this operation is due to the effect of the elastic interaction between the different joint elements which causes load variations of adjacent bolts whenever a bolt is tightened. As a consequence, it is difficult to achieve a uniform target load in the bolts. In order to avoid this phenomenon, tightening sequences of a large number of passes are usually carried out until a uniform target load is achieved. This solution is neither practical nor efficient when treating hundreds or even thousands of bolted joints due to the large assembly time needed. Several methods were developed to study the effect of the elastic interaction and minimize the assembly time. These methods usually predict the loss of load of every bolt during the tightening sequence, and thus calculate the tightening loads that will provide a uniform final load at the end of the sequence. As a result, an optimized tightening sequence is achieved, which provides a uniform final load distribution in only one or two tightening passes. However, several complex and costly analyses are previously necessary for such purpose. Based on these traditional methods, this paper presents a new and more efficient optimization methodology to achieve assembly bolt load uniformity. The method is based on the use of superelement technique and is capable of producing similar results with computational costs reduced by 30 times as compared to the more conventional Finite Element (FE) modeling. The results were satisfactorily validated with the latter as well as with tests conducted on a NPS 4 class 900 bolted joint.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle