An Implicit Cycle Scale Integrator For Accelerated Fatigue Simulations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The properties of polycrystalline materials are strongly influenced by the underlying microstructural features such as grain size, orientation, grain boundaries and crystal defects. Various methods such as Discrete Dislocation Dynamics (DDD), Crystal Plasticity Finite Element Method (CPFEM), Crystal Plasticity Fast Fourier Transform (CPFFT), etc. are used to simulate the mechanical behaviour of polycrystalline materials at the microstructural level; and numerous examples can be found in the literature which show the fidelity of these methods to capture microstructure sensitive grain-level phenomena in polycrystalline materials in a computationally efficient manner for problems with monotonic loading. However, very limited attempts can be seen for problems involving cyclic loading. This paper presents a comprehensive study using CPFEM to predict crack nucleation in polycrystalline materials under high cycle fatigue. However, due to the large number of cycles till crack nucleation, such analysis can be computationally exhaustive. So, an implicit multi-time scale method involving cyclic scale integration is used in this study. The implicit method used in this study has an advantage over other conventional techniques which assumes periodicity and can provide incorrect response due to the strong non-periodic temporal evolution of plastic variables and localization in the spatial domain. In this method, first fine scale cyclic integration is done for few number of cycles, which is then followed by coarse scale cyclic integration resulting in significant acceleration. A cubic polycrystalline domain is simulated using the method to demonstrate its accuracy and efficiency.
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.
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 découle