Enhancing fatigue performance of austenitic stainless steel via warm surface severe plastic deformation using surface mechanical attrition treatment
Notice bibliographique
Résumé
The effects of warm Surface Severe Plastic Deformation (SSPD) performed via Surface Mechanical Attrition Treatment (SMAT) on the microstructure, hardness, and residual stress gradients, as well as the resulting fatigue properties of a 316L austenitic stainless steel were investigated. Machined samples were ultrasonically shot peened for 10 min at Room Temperature (RT), 523 K, and 773 K before undergoing rotating-bending fatigue tests to determine the endurance limit. The RT-SMATed sample, for which machining grooves are removed by the shot impacts, showed a superior fatigue limit endurance than machined samples (+25 %), with subsurface nucleation sites. The 523 K peened samples revealed a similar fatigue limit endurance accompanied by the same type of subsurface crack nucleation. Due to the increased roughness and expansion of surface stress raisers by pile-ups and surface oxidation, the nucleation of the fatigue cracks occurred at the extreme surface when SMAT was done at 773 K. Despite the surface nucleation, SMAT carried out at 773 K provided a superior endurance limit (+15 % compared to RT-SMAT). This improvement was attributed to the restored microstructure formed under 773 K peening, which stabilizes the introduced compressive residual stress, and to the deeper and lower tensile peak induced by warm SMAT. To support the interpretation of fatigue behaviour under varying mean stress conditions, a Goodman analysis was conducted, confirming the beneficial role of compressive residual stress introduced by warm peening on endurance limit improvement.
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 ».