Energy-Based Approach for Fatigue Life Prediction of Additively Manufactured ABS/GNP Composites
Notice bibliographique
Résumé
This study examines the effectiveness of energy-based models for fatigue life prediction of additively manufactured acrylonitrile butadiene styrene (ABS)/graphene nanoplatelet (GNP) composites. The effects of varying GNP weight percentages and filament raster orientations on the fatigue life of the samples were investigated theoretically. The required stress and strain values for use in energy-based models were obtained by solving two sets of Neuber and Ramberg-Osgood equations, utilizing the available values of notch strength reduction factors at each load level and the average Young modulus for each composite material. Results revealed that none of the studied energy-based models could accurately predict the fatigue life of the samples across the entire high- and low-cycle fatigue regimes, with strong dependence on the stress ratio (R). Instead, a novel fatigue life prediction model was developed by combining two existing energy-based models, incorporating stress ratio dependence for cases with negative mean stress. This model was tested for R values roughly between -0.22 and 0. Results showed that, for all samples at each raster orientation, most of the predicted fatigue lives fell within the upper and lower bounds, with a factor of ±2 across the entire range of load levels. These findings highlight the reliability of the proposed model for a wide range of R values when mean stress is negative.
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 ».