Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Gao, Qiang" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Residual strength assessment of wind turbine rotor blade composites under combined effects of natural aging and fatigue loads
Autorzy:
Gao, Jian-Xiong
An, Zong-Wen
Ma, Qiang
Bai, Xue-Zong
Powiązania:
https://bibliotekanauki.pl/articles/1841943.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
wind turbine rotor blade
natural aging
fatigue loads
residual strength
composite material
Opis:
In this paper, the combined effects of natural aging and fatigue loads are considered to assess the residual strength of wind turbine rotor blade composites under actual service environments. Firstly, a comprehensive environmental factor (CEF) methodology is adopted to quantify the combined effects of environmental factors on residual strength. Meanwhile, the artificial accelerated aging test data are used to determine the weight coefficients of the CEF. Subsequently, a two-variable function is presented to characterize the relationship among residual strength, aging time and the CEF. The natural aging test data are utilized to estimate the unknown parameters of the two-variable function. Finally, the combined effects of natural aging and fatigue loads are considered, and a residual strength model is proposed to analyze the strength degradation behaviors of the wind turbine rotor blade composites. The results indicate that fatigue loads have negative effect on the residual strength, while natural aging has both positive and negative effects on the residual strength.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 4; 601-609
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fatigue life prediction of wire rope based on grey particle filter method under small sample condition
Autorzy:
Zhao, Dan
Liu, Yu-Xin
Ren, Xun-Tao
Gao, Jing-Zi
Liu, Shao-Gang
Dong, Li-Qiang
Cheng, Ming-Shen
Powiązania:
https://bibliotekanauki.pl/articles/2038206.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
wire rope
fatigue life prediction
small sample size
grey theory
particle filter method
Opis:
The fatigue life prediction of wire ropes has two main characteristics: a large test sample size and uncertain factors. In this paper, based on the small number of wire rope fatigue life data, the grey particle filter method has been used to realize the fatigue life prediction of wire rope under different load conditions. First, the GOM(1,1) model is constructed and the reliability life data of wire rope is predicted under small sample size. Then, P-S-N curve of the dangerous part is determined by combining the equivalent alternating stress of the dangerous part of the wire rope during the fatigue test. Subsequently, the particle filter method is used to modify P-S-N curve. Finally, the fatigue life prediction model of wire rope is obtained based on fatigue damage accumulation, which realized the fatigue life prediction under different load conditions, and the results were compared with that from the test. The results show that the proposed method is effective and has high accuracy in wire rope fatigue life prediction under single, combined loading conditions and small sample size.
Źródło:
Eksploatacja i Niezawodność; 2021, 23, 3; 454-467
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies