Integration of nanoindentation and finite element method for interpretable tensile properties: A cross-scale calculation method of uneven joints
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nanoindentation testing and its Reverse Analysis Method (RAM) show great potential in understanding the tensile properties of metallic alloys with various microstructures. Nevertheless, the tensile properties of heterogeneous materials such as nickel-based superalloy welded joints have not been well interpreted by combining the microstructures and nanoindentation results, due to their diverse and complex microscopic zones, which throws shade on the properties of separated zones in the material. Here we demonstrated a new method of implanting nanoindentation results into Finite Element Method (FEM) and applied the method to the welded joints with the zones of various microstructure features. The local properties are calculated by the nanoindentation data using RAM, and used as input of Finite Element (FE) simulation of an identical indentation process, to in turn verify the accuracy and reliability of the reverse model. The simulation results reveal that the global mechanical behaviors, such as Young's modulus, yield strength and strain hardening exponent, are related to the local properties to a great extent. Thus, the global properties can be verified by simulation straight after experiments, taking consideration of local properties and dimension parameters of different zones. It is shown that the maximum error between calculation of RAM and testing is within 5.1% in different zones, and the errors of maximum indentation depth and residual depth obtained by FE simulation are less than 2.4%, which indicates that the method provides a reliable prediction of mechanical properties of superalloy welded joints.
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.
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 | 0,001 | 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 découle