경도로 부터 재료의 피로특성 예측방법

이광수; 송지호

추천

검색

질문

자료유형: 학술대회자료

저자정보: 이광수 송지호

저널정보: 대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2006년도 추계학술대회 강연 및 논문 초록집

발행연도: 2006.11

수록면: 7 - 12 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Several methods for estimating fatigue properties from hardness are discussed, along with all existing estimation methods. The (direct) hardness method proposed by Roessle and Fatemi provides excellent estimation results for steels. So-called indirect hardness methods utilizing the tensile strength predicted from hardness were proposed and successfully applied to estimate fatigue properties for aluminum alloys and titanium alloys. The medians method proposed by Maggiolaro and Castro is found to provide the best estimation results for aluminum alloys. Based on the results obtained, some guidelines are provided for estimating fatigue properties from simple tensile data or hardness. In addition, a new relationship of tensile strength versus hardness is proposed for titanium alloys.

#Fatigue properties(피로특성) #Estimation method(예측방법) #경도(Hardness)

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이광수

소속기관 대한기계학회

주요연구분야 공학 > 기계공학 > 기계공학 일반

논문수 1 이용수 270

송지호

소속기관 한국과학기술원

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 전기전자공학 > 전기공학

논문수 92 이용수 5,232

이 논문과 함께 이용한 논문

경도와 변형률 관계 예측을 위한 유한요소해석에 관한 연구

박준홍 , 김형준 , 김효겸 외 5명 한국생산제조학회 학술발표대회 논문집 2006 .05

플랜트 설계정보의 CAD 데이터형식 변환 기술

이동규 , 이욱진 , 남지우 외 1명 대한기계학회 춘추학술대회 2015 .11

시스템 에어컨 실외기의 배관 가속수명시험법 연구

김문섭 , 서형준 , 모진용 외 2명 대한설비공학회 학술발표대회논문집 2015 .06

냉간 가공 제품의 경도와 유효 변형률에 관한 연구

최영 , 박준홍 Journal of the Korean Society for Precision Engineering 2004 .09

SM45C와 SCM4의 마찰용접 및 피로특성에 관한 연구

오세규 , 김부안 , 김선진 외 1명 한국해양공학회지 1988 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-550-016806026

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)