MétaCan
Menu
Retour à la cohorte
Enregistrement W4404489604 · doi:10.1111/ffe.14501

Rotating Bending Fatigue of Laser Powder Bed Fused 316L Stainless Steel at Various Stress Levels: Microstructural Evaluation and Predictive Modeling

2024· article· en· W4404489604 sur OpenAlexaff
Yahya Aghayar, Alireza Behvar, Meysam Haghshenas, Mohsen Mohammadi

Notice bibliographique

RevueFatigue & Fracture of Engineering Materials & Structures · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceBendingMetallurgyStress (linguistics)Composite material

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This research studies the effect of variable stress levels on the rotating bending fatigue (RBF) tests of 316L stainless steel fabricated by the laser powder bed fusion (LPBF) method. The mechanical properties and fatigue behavior were evaluated to ascertain the correlation between the applied stress levels and microstructural changes that occurred during the fatigue experiments. These relationships were further investigated using a classical model developed on the Python platform. The microstructural analysis demonstrated that the face‐centered cubic structure was maintained throughout the application of stresses, varying from 255 to 402 MPa along with no phase changes. Nevertheless, the density of shear lines on the surface was substantially influenced by variations in stress levels as demonstrated by high‐stress areas in Kernel average misorientation maps. At lower stress levels, the model analysis exhibited a higher degree of reliability, with R 2 values of 96.25% at lower stress rather than 89.30% at higher stress.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,428
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,021
Tête enseignante GPT0,259
Écart entre enseignants0,238 · 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.

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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFatigue & Fracture of Engineering Materials & StructuresMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207