MétaCan
Menu
Retour à la cohorte
Enregistrement W3136134194 · doi:10.36001/phmconf.2015.v7i1.2543

Creep Mechanisms vis-à-vis Power Law vs. Grain Boundary Sliding in α-β Titanium Alloys for Physics Based Prognostics

2015· article· en· W3136134194 sur OpenAlexaff
Amar Kumar, Alka Srivastava, Nita Goel, A. K. Banerjee, Ashok K. Koul

Notice bibliographique

RevueAnnual Conference of the PHM Society · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgy and Material Forming
Établissements canadiensLife Prediction Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésCreepMaterials scienceGrain boundaryGrain Boundary SlidingTitanium alloyPower lawConstitutive equationMATLABStructural engineeringAlloyMechanicsMetallurgyComposite materialComputer scienceEngineeringPhysicsFinite element methodMathematicsMicrostructure

Résumé

récupéré en direct d'OpenAlex


 
 
 This work is performed in support of our continued physics-based prognostics system development using a life cycle management-expert system (LCM-ES) framework. The physical damage based modeling approach involving global behavior and localized response of a component at the microstructural level is used. The current research aims at constructing parts of a deformation mechanism map (DMM) for α-β Ti alloy. The appropriate constitutive equations are used for power-law creep and grain boundary sliding mechanisms. Simulations are performed using the Newton- Raphson method using Matlab software code in order to obtain contour lines corresponding to strain rates ranging from 104 to 10-12 over the homologous temperature ranges of 0.10 to 0.655. The dominance of power-law creep and grain boundary sliding over a wider range of stresses and temperatures in Ti-64 alloy is studied. The simulation results are validated using experimental data points. The predicted contour lines in the map match fairly well. The structure- creep mechanism relationships in α-β Ti alloy under different stress, temperature and strain rate conditions are discussed.
 
 

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,615
Score d'incertitude au seuil0,598

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,241
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Conference of the PHM SocietyMême sujetMetallurgy and Material FormingTravaux en français237 207