Using crack face displacement to measure stress intensity: A practical approach
Notice bibliographique
Résumé
This study presents a novel method for estimating the stress intensity factor (K) using direct measurements of crack face displacements. Starting from Westergaard’s analytical solutions, modifications were derived from adapting these equations for finite-width bodies in five different geometries, including centre crack plates, edge crack plates (with both single and double cracks), plates containing angled cracks, and cracks in three-point bend specimens. Finite Element Analysis (FEA) was used to determine the profile of crack face displacement at different points along each crack. It was found that for centre-cracked plates, Westergaard’s equation worked well with only slight correction needed, whilst for edge-cracked geometries, a different equation was needed to describe the displacement profile. Unlike conventional methods that require applied load or local stress–strain data, this approach provides a simple and practical means of estimating K using optical measurements of crack face displacement. The proposed equations correctly predicted K with errors less than 10% for all geometries considered. To demonstrate the practical use of this method, an experimental study was conducted to estimate the fracture toughness (K IC ) of leaf specimens using crack face displacement measurements. The results were within 3% of those obtained from conventional laboratory tests, confirming the feasibility of this approach for real-world applications. Other potential applications to different materials and structures were also proposed. These findings establish crack face displacement as a reliable parameter for fracture analysis, offering potential applications in material testing, non-destructive evaluation, and structural health monitoring.
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 | 0,001 |
| 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 ».