Crack Shape Development for Leak-Before-Break Analysis in Pipelines
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
Surface cracks in pipelines under certain service conditions may grow due to fatigue, which is caused by pressure (cycles). The leak-before-break (LBB) assessment method is employed to avoid any catastrophic failure prior to a detectable leakage. In the LBB analysis, crack critical length is an essential element for determining the pipeline leak or rupture. The common approach regarding the evaluation of LBB is to calculate the critical crack length and through-wall length under iven pressure cycling conditions. If the critical crack length is less than the through-wall length, LBB conditions could occur and be detected if leak detection capability is high. This involves complex calculations in crack fatigue growth and could result in extensive analysis if thepipeline has a large crack population. This paper presents a simplified approach for assessing the leak-before-break of the flawed pipelines. This approach is based on industrial code API 579-1/ASME FFS-1 Fitness-For-Service. Through the investigation of effects for different parameters on crack growth, including crack initial geometry, pipeline materials, loading conditions, pipeline diameter and wall thickness, it was determined that the crack initial aspect ratio is a major factor influencing crack growth and geometry evolution. Based on these parameters, a crack fatigue growth map was developed. By comparing the behaviors of different cases, it was confirmed that the proposed method is a valid approach for the pipeline LBB analysis.
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) | 0,001 | 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