MétaCan
Menu
Retour à la cohorte
Enregistrement W4376637697 · doi:10.1139/tcsme-2022-0163

Research and application of nodal stress correction at stiffness mutation position for fatigue life evaluation

2023· article· en· W4376637697 sur OpenAlexvenueno aff
Wenfei Liu, Li Zhang, Liwen He, Zhixiong Gao

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFatigue and fracture mechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural engineeringStress (linguistics)StiffnessFinite element methodVibration fatiguePosition (finance)Engineering

Résumé

récupéré en direct d'OpenAlex

This paper proposes a two-level stress correction method to overcome the limitations of the element stress average method that is typically used to calculate the nodal stress in finite element analyses and increase the fatigue life evaluation accuracy at the stiffness mutation positions of large-scale structure. In the first stage, a standard-deviation-weighted stress smoothing method is used to address the high element stress dispersion at the stiffness mutation point. The second stage involves a stress gradient correction method established based on the theory that the nodal stress is affected by other nodal stresses on the stress gradient path. The nodal stresses of the key points of an 80-ton gondola car body are extracted using the two-level stress correction method, and the fatigue life of the key points is evaluated considering the load spectrum of the Daqin coal line. The fatigue lives corresponding to the measured stress spectrum at the key points are compared with the simulated values. Compared with that obtained by the traditional method, the fatigue life of the key joints obtained by the proposed method is closer to the actual fatigue life. Additionally, the nodal stress at the stiffness mutation position obtained by the proposed method is more accurate. Therefore, the two-level stress correction method is a promising platform for the fatigue life evaluation of large-scale structures.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,287
Écart entre enseignants0,252 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetFatigue and fracture mechanicsTravaux en français237 207