vermoeiingslevensduur

Vermooiingslevensduur, ook wel fatigue life genoemd, is de verwachte hoeveelheid cyclische belasting die een materiaal of onderdeel kan weerstaan voordat vermoeiing tot een defect leidt. De levensduur wordt uitgedrukt als het aantal cycli tot falen (Nf) bij een bepaald spanningsniveau en laadspectrum. Bij vermoeiing onderscheidt men twee regimes: low-cycle fatigue (LCF), waarbij falen optreedt na relatief weinig cycli onder hoge spanning en plastische vervorming, en high-cycle fatigue (HCF), waarbij falen na veel meer dan 10^5 cycli optreedt onder meestal elastische belasting.

De belangrijkste methode om vermoeiingslevensduur te voorspellen is via S-N-curves, die spanning-amplitude tegen het aantal cycli tot falen afbeelden. Voor HCF wordt vaak een Basquin-relatie toegepast; voor LCF een Coffin–Manson-relatie die elastische en plastische rek combineert. Bij aanwezigheid van een gemiddelde spanning corrigeren Goodman-, Gerber- of Soderberg-achtige modellen de curve. Geavanceerdere modellen houden rekening met temperatuur, microstructuur en omgeving.

Fatigue-tests worden uitgevoerd onder constante amplitude of variabele amplitude belading. Methoden zoals de staircase-methode en variabele amplitude tests worden gebruikt om Nf te bepalen. Tests volgen internationale standaarden zoals ASTM E466 voor metalen. Rekening wordt gehouden met spanningsconcentraties, Kt, oppervlakteafwerking en residuele spanningen die lokale faalmechanismen kunnen versnellen.

Belangrijke factoren zijn materiaalmicrostructuur en defecten, oppervlaktekwaliteit en residuele spanningen, temperatuur en milieu, belastinggeschiedenis en geometrie. Lokale spanningsconcentraties en grootte-effecten kunnen de feitelijke levensduur aanzienlijk beïnvloeden, waardoor extrapolatie naar realistische projecten onzeker blijft.

In engineering wordt vermoeiingslevensduur gebruikt voor ontwerp en onderhoudsplanning, met probabilistische benaderingen die de spreiding in faal-vermogen modelleren. Het ontwerpen voor vermoeiing vereist voldoende marge, betrouwbare data en validatie bij relevante operationele omstandigheden. Voorspellingen zijn inherent onzeker en worden doorgaans ondersteund door testdata en veiligheidsfactoren.