MétaCan
Menu
Retour à la cohorte
Enregistrement W4231804308 · doi:10.1520/stp11314s

Calculation of Stress Intensity Factors for Cracks in Structural and Mechanical Components Subjected to Complex Stress Fields

2005· book-chapter· en· W4231804308 sur OpenAlexaff
Z Wu, G Glinka, H Jakubczak, L Nilsson

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineMaterials Science
ThématiqueMaterial Properties and Failure Mechanisms
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésStress intensity factorStress (linguistics)Materials scienceStructural engineeringIntensity (physics)Stress fieldComposite materialEngineeringPhysicsFracture mechanicsOpticsFinite element methodPhilosophy

Résumé

récupéré en direct d'OpenAlex

One of the difficulties in using fracture mechanics is in determining stress intensity factors of cracked structural and mechanical components. The cracks are often subjected to complex stress fields induced by external loads and residual stresses resulting from the surface treatment. Both stress fields are characterized by non-uniform distributions, and handbook stress intensity factor solutions are seldom available in such cases. The method presented below is based on the generalized weight function technique enabling the stress intensity factors to be calculated for any Mode I loading applied to a planar semi-elliptical surface crack. The stress intensity factor can be determined at any point on the crack tip contour by using the general weight function. The calculation is carried out by integrating the product of the stress field and the weight function over the crack area. Several examples of point-load weight functions and resulting stress intensity factors are presented in the paper. The method is particularly suitable for modeling fatigue crack growth in the presence of complex stress fields.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,043
Tête enseignante GPT0,256
Écart entre enseignants0,213 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMaterial Properties and Failure MechanismsTravaux en français237 207