MétaCan
Menu
Retour à la cohorte
Enregistrement W4411582417 · doi:10.1016/j.ijimpeng.2025.105454

Rate dependence of high strength steels mechanical behavior: Characterization, modelling and impact applications

2025· article· en· W4411582417 sur OpenAlexafffund
Mohammad Mahdi Ghadiri, Joseph Agyapong, Solomon Boakye-Yiadom, Cuiying Jian

Notice bibliographique

RevueInternational Journal of Impact Engineering · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh-Velocity Impact and Material Behavior
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceCharacterization (materials science)Composite materialStructural engineeringIzod impact strength testMechanical strengthHigh strength steelUltimate tensile strengthEngineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

Strain rate dependence is a critical factor in understanding the mechanical behavior of materials, particularly high-strength steels, which are widely used in safety-critical applications due to their superior strength, toughness and energy absorption under dynamic loading conditions. These properties make them ideal candidates for use in scenarios such as ballistic impacts, where materials are subjected to extreme deformation rates. Despite extensive research on individual material systems, or models, a comprehensive review that integrates experimental observations, material characterization techniques and constitutive modeling across different strain rates regimes remain lacking. This review addresses that gap by evaluating strain rate-dependent behavior in high-strength steels, while also highlighting how many of the underlying mechanisms and modeling approaches are applicable to other steel categories and metallic alloys. In addition to reviewing key constitutive models, we discuss the experimental techniques used to characterize rate-dependent behavior, such as Split-Hopkinson Pressure Bar (SHPB) testing and high-speed digital image correlation. The comparison reveals that while the Johnson-Cook model is widely used for its simplicity, the GISSMO model offers improved accuracy for capturing stress-state-sensitive damage evolution in high-strength steels. Furthermore, we emphasize the necessity of microscale analysis, particularly through the Crystal Plasticity Finite Element Method (CPFEM), which has shown strong potential for predicting deformation sequences and crack initiation in complex loading conditions. Overall, this review provides an organized overview of strain rate regimes, their associated macroscopic and microscopic behaviors, the experimental methods used to characterize them, and the modeling strategies suited for different steel systems.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,011
Tête enseignante GPT0,292
Écart entre enseignants0,280 · 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

Citations6
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Impact EngineeringMême sujetHigh-Velocity Impact and Material BehaviorTravaux en français237 207