Numerical simulation of ductile damage in pipeline steels across different constraint conditions using a combined void growth and coalescence model
Notice bibliographique
Résumé
• Novel implementation of a two-surface Gurson-like ductile damage model. • Model incorporates various anisotropic aspects of ductile fracture. • Model used to simulate ductile fracture in pipeline steels. • Fracture test specimens under a wide range of constraint conditions simulated. • Better performance compared to existing models like GTN model. Finite element method (FEM) simulations using a two-surface Gurson-like ductile damage model were used to investigate the ductile crack growth behaviors on X80 and X100 pipeline steels, under a wide range of constraint conditions. The implemented approach combines models in the spirit of the Gologanu-Leblond-Devaux (GLD) and Thomason’s models to create a combined void growth and coalescence model. The implemented model can account for several ductile damage anisotropies which cannot be accommodated by the widely used standard Gurson-Tvergaard-Needleman (GTN) model, which is limited to constraint conditions similar to the data used to calibrate the model. It is demonstrated in the study that the implemented combined model significantly improves upon the GTN model and can accurately predict the ductile fracture behavior over a wide range of constraint conditions based on the same calibration data. The ductile damage model was used to analyze ductile crack growth behaviors in single-edge notched bending (SENB) and single-edge notched tension (SENT) specimens. Three different pipeline steels were studied. A wide range of SENT crack geometries were analyzed. These specimens represented a wide range of constraint conditions. The numerically calculated crack growth resistance curves were compared to experimental J - Δ a curves and curves developed using the GTN model.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».