MétaCan
Menu
Retour à la cohorte
Enregistrement W4226390573 · doi:10.1016/j.prostr.2022.03.028

Assessment of fatigue crack growth based on 3D finite element modeling approach

2022· article· en· W4226390573 sur OpenAlexaff
Paul Ilie, Ayhan Ince, Adrian Loghin

Notice bibliographique

RevueProcedia Structural Integrity · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFatigue and fracture mechanics
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésFinite element methodFracture mechanicsStructural engineeringParis' lawCrack closureDamage toleranceMaterials scienceCompact tension specimenCrack growth resistance curveEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Fatigue crack growth life assessment enables manufacturers to quantify damage tolerance capability of high-risk components. Reduced order models that are based on simple geometries (i.e. surface crack in a plate, corner crack at a bolt hole) and on the assumption that cracks maintain an elliptical shape during propagation, are commonly employed in the damage assessment. A more comprehensive modeling process should consider the component geometry, service loading conditions and, eliminate assumptions related to crack front shape or planarity of the crack growth path. A 3D finite element-based approach is evaluated in this study as a more accurate alternative to reduced order models. For verification purposes, an analytical solution-based model was developed and implemented in MATLAB to predict fatigue crack growth life and crack front evolution for three different crack types: surface, corner and internal. The analytical model solutions are compared against 3D finite element (FE) based approach implemented in SimModeler Crack. The 3D FE modelling approach has been further tested and validated against experimental fatigue crack growth measurements from two Al 2024-T3 specimens containing multiple cracks. The verification and validation data presented herein show that the 3D FE-based modelling approach provides an accurate and effective modelling tool for crack propagation life assessment 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.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,034
Tête enseignante GPT0,270
Écart entre enseignants0,236 · 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
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia Structural IntegrityMême sujetFatigue and fracture mechanicsTravaux en français237 207