An Application of Random Response Analysis for Analyzing Vibration Fatigue Failures Due to Liquid Impingement Loads
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
Abstract Vibration fatigue failures of components or structures subjected to liquid impingement loads are common in oil and gas, and petrochemical industries. The impulse force due to liquid impingement is random in nature as the magnitude of the force depends on factors such as the way in which liquid breaks-up as it impinges, the variation in the droplet sizes, and the frequency of the droplet’s impingement. Often the designers estimate the impingement load as an equivalent static force based on the principles of rate of change of momentum. While such static equivalent load is a good estimate for the time-averaged force, the use of such force alone in the design analyses is unconservative. A better way to design the components for liquid impingement loads is to treat the impingement loads as random loading and analyze the components using random response analysis as discussed in this paper. In the random response analysis, the liquid impingement load is defined in a statistical sense; power spectral density (PSD) as a function of frequency. The stresses from the random response analysis are a measure of root-mean-square (RMS) stress. Such RMS stresses can be compared to an RMS stress limit that can be obtained by integrating fatigue damage defined using a design fatigue (S-N) curve. This paper discusses an application of the random response analysis for identifying the root cause of a pressure vessel’s internal deflector support cracking and the design changes to the deflector for protection against such vibration fatigue failures in the future.
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 | 0,001 | 0,001 |
| 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