Full-Range Fatigue Life Prediction of Metallic Materials Using Tanaka-Mura-Wu Model
Notice bibliographique
Résumé
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.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».