1990 年,Yoseph Bar-Cohen 为 USCG 研发中心撰写了一份报告 [8.1] 这份出色的报告调查了应用于有缺陷的复合板的各种 NDE 技术。然而,报告完成时,Bar-Cohen 博士还在麦克唐纳道格拉斯公司工作,而他研究 20 年后,这些技术仍然主要由航空航天业使用。在过去的二十年里,该行业已转向纤维含量更高、强度更高的层压材料。[8.2] 此外,该行业在各种 NDE 技术方面拥有更多的“现场”经验。FEA 技术已经发展到我们可以执行缺陷关键性分析的程度,以帮助我们评估在复合结构失效之前需要多大的缺陷。这有助于我们回答我们应该寻找多小的缺陷的问题。
2.1 加拿大和美国的经济在很大程度上依赖于进出口,而进出口大部分是通过船舶运输的。因此,船舶的性能和安全对其整体经济至关重要。这些船舶承受各种结构载荷,包括波浪作用引起的疲劳载荷,还可能因与冰和其他物体碰撞而承受冲击载荷,此外还有船舶自重和所载人员和货物重量产生的服务载荷。此外,如果这些船舶在北大西洋和太平洋以及北冰洋航行,它们可能会经受寒冷天气。气候变化使北冰洋部分地区在更长的航运季节内可以航行。因此,如今,更多的商业货船在北极水域航行,夏季也有少量游艇航行。预计在不久的将来,将有更多的商业船舶、游艇和沿海巡逻船穿越西北航道,航行时间会更长。因此,我们脑海中自然而然地浮现出一个问题:“航行于北冰洋西北航道的船舶将面临哪些挑战?”例如,北极船舶在西北航道面临的众多危险之一就是北极岛屿解体释放的重冰。北极船舶可能还需要面对许多其他未知和已知的威胁和挑战。因此,该项目旨在进行范围界定研究,旨在确定船舶在北冰洋航行时需要面对的结构行为方面的各种挑战和问题。
2.2 在船舶结构典型的疲劳载荷循环中,裂纹尖端的应力从拉伸变为压缩。在压缩应力期间以及在载荷循环的部分拉伸部分中,应力强度小于打开裂纹尖端所需的值 K OP ,由于裂纹闭合的影响,不会发生裂纹扩展。在疲劳试验(例如 SSC-448 的试验)中考虑裂纹闭合,其方法为通过测量载荷循环期间的裂纹打开位移并观察载荷与裂纹打开位移曲线中的非线性来确定 K OP 。通过这样确定的 K OP 估计值,可以确定应力强度因子的有效范围� K 有效 。SSC-448 等来源中提供的 da/d/N 与 DK 的关系图实际上是� K 有效 的函数。
权利声明:这是作者在《国际黏附和粘合剂杂志》上接受发表的作品版本。出版过程导致的变更(例如同行评审、编辑、更正、结构格式和其他质量控制机制)可能不会反映在本文档中。自提交出版以来,可能已对本作品进行了更改。最终版本随后发表在《国际黏附和粘合剂杂志》上,[105, , (2020-12-04)] DOI: 10.1016/ j.ijadhadh.2020.102784 。© 2020。此手稿版本根据 CC-BY-NC-ND 4.0 许可证提供 http:// creativecommons.org/licenses/by-nc-nd/4.0/
关键的飞机结构是承重构件,是任何飞机的重要组成部分。疲劳载荷、操作条件和环境恶化的影响导致机身的结构完整性需要评估其适航性要求。使用安全寿命的疲劳设计概念,RMAF 采用疲劳寿命评估和裂纹扩展预测来监测其关键部件的结构完整性。使用了各种方法,对于此分析,使用裂纹扩展预测方法来确定裂纹扩展行为及其在发生任何裂纹时的最终失效点。选择水平稳定器凸耳是因为它具有最高的疲劳失效可能性。讨论的分析方法是裂纹扩展分析和低周疲劳。对于数值方法,使用 Nastran 来模拟裂纹扩展。使用数值结果验证了裂纹扩展分析的结果。结论是,基于疲劳寿命循环,结构状态不会受到严重损伤,其失效大约在100万次循环左右,而耳片底部裂纹扩展位置是关键位置。研究成果将以延长耳片的结构寿命为目标。
1.0 目标。1.1 本研究的目的是探索和实验验证复合材料补片在防止裂纹扩展和延长铝钢船舶结构寿命方面的应用。复合材料补片通过降低裂纹尖端区域的应力,起到裂纹抑制器的作用。负载通过粘合层从基板转移到复合材料补片上。此外,复合材料补片的附加约束可以防止这些裂纹合并成更大的裂纹。存在预测复合材料补片配置有效性的分析能力,但此类分析需要特定的理想化和假设,必须通过实验验证才能将这项技术用于实践。我们提出的项目旨在将这项技术开发为铝钢船舶板层断裂修复的有用且可靠的工具,并促进其在工业上的接受和实施。
式中,t为钢材厚度,MS为低碳钢,HT为高强度钢。船体结构钢分为普通厚度钢和高强度钢。普通强度钢按质量分为A、B、C、D四个等级;高强度钢分为AH32、DH32、EH32、AH36、DH36、EH36两个强度等级和三个质量等级。
Carlos M. Baz-Cotto,A * Jason R. Arrows,A,1 Haoran Y Tim Clime,Clo by Sears,A。C。
汽车零件中的裂纹检测确保车辆安全性,可靠性和耐用性。传统的裂纹检测方法在很大程度上依赖于手动检查或非破坏性测试(NDT),这可能无法有效地识别小型,表面级别或隐藏的裂纹。随着人工智能(AI),机器学习(ML),计算机视觉(CV),图像处理和光检测传感器技术的快速进步,智能裂纹检测系统(SCDS)正在作为对此问题的有效,自动化的解决方案。本文回顾了应用于汽车零件的智能裂纹检测系统的当前方法,技术,挑战和未来方向,重点是实时监控,基于AI的裂纹分类以及与IOT启用的诊断系统集成。