MétaCan
Menu
Retour à la cohorte
Enregistrement W4405361298 · doi:10.1115/ipc2024-132418

Finite Element Analyses of Burst Capacities of Pipelines Containing Pinhole-in-Corrosion Defects

2024· article· en· W4405361298 sur OpenAlexaff
Yufei Shen, Wenxing Zhou

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Integrity and Reliability Analysis
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPipeline transportCorrosionFinite element methodPinhole (optics)Materials scienceForensic engineeringEngineeringStructural engineeringMetallurgyMechanical engineeringOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract This study investigates the burst capacity of pipelines containing pinhole-in-corrosion (PIC) defects through elastoplastic three-dimensional finite element analyses (FEA) and quantify the extent to which the burst capacity of the PIC defect is affected by sizes of the corresponding pinhole and general corrosion anomaly and the relative position of the pinhole within the corrosion anomaly. The PIC defect in this study is idealized as a cylindrical-shaped pinhole located within a cuboidal-shaped general corrosion anomaly. Results of extensive parametric FEA reveal that, in general, the burst capacity decreases as the pinhole depth increases; however, the bust capacity is insensitive to the diameter the pinhole. The location of the pinhole is found to be a significant factor, with pinholes closer to the edge of the general corrosion having a smaller impact on the burst capacity, while a pinhole at the center of the general corrosion can greatly impact the burst capacity. The pinhole location effect is explained by considering the impact of the bulging effect on the burst capacity of PIC. The outcomes of the study provide the basis for developing an accurate, practical burst capacity model for pipelines containing PIC defects.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,032
Tête enseignante GPT0,290
Écart entre enseignants0,258 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Integrity and Reliability AnalysisTravaux en français237 207