MétaCan
Menu
Retour à la cohorte
Enregistrement W4386285381 · doi:10.3390/met13091534

Ratcheting–Fatigue Damage Assessment of Additively Manufactured SS304L and AlSi10Mg Samples under Asymmetric Stress Cycles

2023· article· en· W4386285381 sur OpenAlexafffund
M. Servatan, Seyed M. Hashemi, A. Varvani‐Farahani

Notice bibliographique

RevueMetals · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceIsotropyStructural engineeringHardening (computing)Composite materialStress (linguistics)Strain hardening exponentFinite element methodYield (engineering)Fatigue limitEngineering

Résumé

récupéré en direct d'OpenAlex

The present study aims to investigate the interaction of ratcheting and fatigue phenomena for additively manufactured (AM) samples of SS304L and AlSi10Mg undergoing uniaxial asymmetric stress cycles. Overall damage was accumulated through fatigue and ratcheting on AM samples prepared from three-dimensional-printed plates along vertical and horizontal directions. Fatigue damage was evaluated based on the strain energy density fatigue approach and ratcheting damage was calculated through use of an isotropic–kinematic hardening framework. The isotropic description through the Lee–Zavrel (L–Z) model formed the initial and concentric expansion of yield surfaces while the Ahmadzadeh–Varvani (A–V) kinematic hardening rule translated yield surfaces into the deviatoric stress space. Ratcheting of AM samples was simulated using finite element analysis through use of triangular and quadrilateral elements. Ratcheting values of the AM samples were simulated on the basis of Chaboche’s materials model. The predicted and simulated ratcheting damage curves placed above the experimental fatigue–ratcheting experimental data while predicted fatigue damage curves collapsed below the measured values. The overall damage was formulated to partition damage weights due to fatigue and ratcheting phenomena.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,535
Score d'incertitude au seuil0,871

Scores Codex et Gemma par catégorie

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

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 Opus0,037
Tête enseignante GPT0,288
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207