Full-Range Fatigue Life Prediction of Metallic Materials Using Tanaka-Mura-Wu Model
Notice bibliographique
Résumé
<div>In this research, the recently developed Tanaka-Mura-Wu (TMW) model is applied to common engineering materials including Ni-base superalloys Haynes 282 and Inconel 617, aluminum alloys 7075-T6 and 2024-T3, alloy steels SAE 4340 and SAE 1020, and titanium alloy Ti-6Al-4V, as well as a high-entropy alloy (HEA) CoCrFeMnNi over the full fatigue range comprised of low-cycle fatigue (LCF) and high-cycle fatigue (HCF). Through the analysis, it is shown that the TMW model is able to provide class A prediction for LCF (forecast before the event occurs) without resorting to fatigue testing; and with calibration at one stress level, it can be extended to the HCF regime. A relationship of fatigue life versus the total strain is established with the use of the Ramberg-Osgood equation. The TMW model predictions agree well with the experimental data and/or the Coffin-Manson-Basquin relation for the above materials. The TMW model describes the full-range fatigue life in terms of material’s elastic modulus, Poisson’s ratio, surface energy, and the Burgers vector. Thus it establishes a physics-based baseline for characterizing the effects of other contributing factors such as microstructure and surface roughness, which contribute to the uncertainty in the fatigue scatter.</div>
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 ».