MétaCan
Menu
Retour à la cohorte
Enregistrement W2984856533 · doi:10.1115/pvp2019-94064

A Framework for Estimating Burst Test Fracture Toughness for Zr-2.5Nb Pressure Tubes Using Data From Small Specimen Tests

2019· article· en· W2984856533 sur OpenAlexaff
Steven X. Xu, Kim Wallin, David Cho

Notice bibliographique

RevueVolume 1: Codes and Standards · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensBruce Power (Canada)Kinectrics (Canada)
Organismes subventionnairesnon disponible
Mots-clésFracture toughnessMaterials scienceToughnessComposite materialPressure vesselTest methodMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Zr-2.5Nb pressure tubes are primary pressure boundaries in a CANDU2 reactor. Design of pressure tube dimensions allows testing of a pressure tube section at its full size in the laboratory. Burst tests, i.e., internally pressuring pressure tube sections containing axial through-wall cracks till burst, have been used to provide test data of fracture toughness for pressure tubes with axial flaws. The advantage of measuring fracture toughness from burst tests is that measured toughness values are directly applicable to operating pressure tubes. Burst tests, however, are costly and consume considerable amount of material. Only a small number of burst tests can be performed in practice. There is strong motivation to estimate burst test fracture toughness using data from small specimen tests. The estimated burst test fracture toughness can fill the gap in the measured burst test toughness data, as well as provide information on material variability and data scatter. The technical challenge for estimating burst test toughness is that the estimated burst test toughness using data from low cost, small specimen tests must be reliable and representative of burst test specimen behavior with high confidence. A framework for accurately estimating burst test toughness using data from curved compact tests has been under development and is described in this paper. Aspects of technical basis and current status of developing analytical procedures for systematically estimating burst test toughness are presented.

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)0,010
score de la tête « metaresearch » (Gemma)0,019
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,019
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,055
Tête enseignante GPT0,316
Écart entre enseignants0,261 · 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
GenreMéthodes

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 1: Codes and StandardsMême sujetNuclear Materials and PropertiesTravaux en français237 207