A new modeling framework for fatigue damage of structural components under complex random spectrum
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
Time and frequency domains-based fatigue damage prediction approaches have been developed over past decades to predict fatigue performance of mechanical structures subjected to random loads. Frequency domain approaches are increasingly being adapted to provide fatigue assessment of mechanical components subjected to random loads due to computational efficiency and cost savings. Current frequency domain damage models only deal with stationary random loadings where Power Spectral Density (PSD) of random loadings does not change in time. However, many machine components, such as jet engines and tracked vehicles are subjected to evolutionary PSD i.e. random-on-random loadings under real service loads. A new fatigue damage modeling framework is proposed to predict fatigue damage of structures under complex evolutionary PSD where the topology of PSD function changes with time. The proposed modeling approach is based on the underlying concept that the evolutionary PSD response of a structure can be decomposed into a finite number of discrete PSDs. Each PSD can be split into narrow frequency bands so that each of narrowbands can be associated with Rayleigh distribution of stress cycles. Fatigue damage can then be predicted by summing up damages for each individual band and each discrete PSD function on the basis of a damage accumulation rule. The proposed modeling approach is numerically and experimentally validated by a finite element method and experiments using three simplified structures made of 5052-H32 aluminum alloy. The proposed approach provides a more efficient and accurate modeling technique, and account for complex random loadings of structural components.
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) | 0,001 | 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 | 0,001 |
| 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