Depth of Compressive Residual Stress Enhancement In Laser Shock Peening of Power Generation Turbine blades

残余应力 喷丸 材料科学 穿透深度 残余物 喷丸 涡轮叶片 涡轮机 抗压强度 最大化 结构工程 激光器 计算机科学 机械工程 复合材料 数学 光学 工程类 算法 物理 数学优化
作者
Festus Fameso,Dawood Desai,Schalk Kok,Dylan Armfield,Mark Newby,Daniel Glaser
标识
DOI:10.1109/iceet53442.2021.9659671
摘要

Arresting the susceptibility to catastrophic failure of critical components like turbine blades has become essential and now drives research and innovation in condition-based maintenance and failure prevention in power generation turbines. Laser shock peening (LSP) is one technique which is now employed by engineers, to mitigate failure and strategically ensure the health of plant components. Over the years, research has been focused more on achieving compressive residual stress induction, with ways of enhancing the depth of penetration yet scarcely investigated. This study thus applied numerical methods to define how the various inputs affect the depth of compressive residual stress (CRS) penetration in X12Cr steel and the hierarchy of influence of the input parameters when achieving maximum depths possible, of compressive stresses, are prioritized. Commercial finite elements (FE) code was used to model LSP on X12Cr steel, a common material used in manufacturing turbine blades. Validated with experimental results, the FE code was transformed to an empirical function by data fitting and optimized using a gradient-based maximization objective algorithm. Results reveal the combination of less than 50% degree of overlaps, mid-range shot diameters, 4–6 GW/cm 2 shot intensity and prolonged peak exposure time produces enhanced penetration of compressive stresses. Furthermore, the hierarchy of influence of the five input parameters investigated, on penetration depth maximization, revealed that the degree of shot overlaps is the most influential input in this regard, followed by shot size, shot intensity, shot angle and exposure time in descending order.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
韦颖完成签到,获得积分20
刚刚
沉默的冬寒完成签到 ,获得积分10
1秒前
海科科给海科科的求助进行了留言
1秒前
迅速斑马完成签到,获得积分10
1秒前
百合完成签到 ,获得积分10
1秒前
wanghua完成签到,获得积分10
1秒前
Hello应助13679165979采纳,获得10
2秒前
ni发布了新的文献求助10
4秒前
隐形曼青应助敏感的芷采纳,获得10
4秒前
ybb完成签到,获得积分10
7秒前
7秒前
快乐的伟诚完成签到,获得积分10
9秒前
搜集达人应助大胆夜绿采纳,获得10
9秒前
9秒前
10秒前
辛勤的无血完成签到,获得积分10
13秒前
14秒前
rookie完成签到,获得积分10
14秒前
14秒前
ni完成签到,获得积分10
15秒前
step_stone给step_stone的求助进行了留言
16秒前
16秒前
荒野星辰发布了新的文献求助10
17秒前
敏感的芷完成签到,获得积分20
17秒前
19秒前
19秒前
20秒前
luoshi应助沐风采纳,获得20
20秒前
安南完成签到,获得积分10
20秒前
香蕉冬云完成签到 ,获得积分10
21秒前
自信安荷发布了新的文献求助200
21秒前
鱼雷发布了新的文献求助10
22秒前
兔子发布了新的文献求助10
22秒前
22秒前
田様应助coffee采纳,获得10
23秒前
23秒前
专注鼠标完成签到,获得积分10
23秒前
LingYing完成签到 ,获得积分10
24秒前
cheche完成签到,获得积分10
25秒前
liushun完成签到,获得积分10
25秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
Luis Lacasa - Sobre esto y aquello 700
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527990
求助须知:如何正确求助?哪些是违规求助? 3108173
关于积分的说明 9287913
捐赠科研通 2805882
什么是DOI,文献DOI怎么找? 1540119
邀请新用户注册赠送积分活动 716941
科研通“疑难数据库(出版商)”最低求助积分说明 709824