Next Generation Ductile Fracture Arrest Analyses for High Energy Pipelines Based on Detail Coupling of CFD and FEA Approach
Notice bibliographique
Résumé
Axial ductile fracture propagation and arrest in high energy pipelines has been studied since the early 1970’s with the development of the empirical Battelle Two-Curve (BTC) model. Numerous empirical corrections on the backfill, gas decompression models, and fracture toughness have been proposed over the past decades. While this approach has worked in most cases, the dynamic interaction between the decompression of the fluid in the vicinity of the crack tip and the behaviour of the pipe material as it opens to form flaps behind the crack has been very difficult to solve from a more fundamental approach. The effects of the pressure distribution on the flap inner surface making up the crack-driving force which drives the crack propagation speed has been suggested in the past, but due to intensive computational effort required, it was never realized. The present paper attempts to tackle this problem by employing an iterative solution procedure where the gas pressure field in the vicinity of the crack tip is accurately solved for by computational fluid dynamics (CFD) for a given flap geometry determined from a dynamic FEA model to render a new flap geometry. In this model a cohesive-zone element at the crack tip is employed as a representation of the material toughness parameter. The final outcome is the determination of the cohesive energy in the FEA (as a representation of the material toughness parameter) to match the measured fracture propagation speed for the specific case. A case study was taken from full-scale rupture test data from one of the pipe joints from the Japanese Gas Association (JGA) unbackfilled pipe burst test data conducted in 2004 on the 762 mm O.D., 17.5 mm wall thickness, Gr. 555 MPa (API 5L X80) pipe.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».