Palun kasuta seda identifikaatorit viitamiseks ja linkimiseks: http://elartu.tntu.edu.ua/handle/lib/51960

Pealkiri: Modeling of hydrogen-induced fracture toughness degradation of pipe steel
Teised pealkirjad: Моделювання деградації тріщиностійкості у трубній сталі під впливом водню
Autor: Венгринюк, Олег
Звірко, Ольга
Venhryniuk, Oleh
Zvirko, Olha
Affiliation: Фізико-механічний інститут імені Г. В. Карпенка Національної академії наук України, Львів, Україна
Karpenko Physico-Mechanical Institute of the NAS of Ukraine, Lviv, Ukraine
Bibliographic description (Ukraine): Venhryniuk O. Modeling of hydrogen-induced fracture toughness degradation of pipe steel / Oleh Venhryniuk, Olha Zvirko // Scientific Journal of TNTU. — Tern. : TNTU, 2025. — Vol 120. — No 4. — P. 120–129.
Bibliographic reference (2015): Venhryniuk O., Zvirko O. Modeling of hydrogen-induced fracture toughness degradation of pipe steel // Scientific Journal of TNTU, Ternopil. 2025. Vol 120. No 4. P. 120–129.
Bibliographic citation (APA): Venhryniuk, O., & Zvirko, O. (2025). Modeling of hydrogen-induced fracture toughness degradation of pipe steel. Scientific Journal of the Ternopil National Technical University, 120(4), 120-129. TNTU..
Bibliographic citation (CHICAGO): Venhryniuk O., Zvirko O. (2025) Modeling of hydrogen-induced fracture toughness degradation of pipe steel. Scientific Journal of the Ternopil National Technical University (Tern.), vol. 120, no 4, pp. 120-129.
Is part of: Вісник Тернопільського національного технічного університету, 4 (120), 2025
Scientific Journal of the Ternopil National Technical University, 4 (120), 2025
Journal/Collection: Вісник Тернопільського національного технічного університету
Issue: 4
Volume: 120
Ilmumisaasta: 23-det-2025
Submitted date: 6-okt-2025
Date of entry: 23-mär-2026
Kirjastaja: ТНТУ
TNTU
Place of the edition/event: Тернопіль
Ternopil
DOI: https://doi.org/10.33108/visnyk_tntu2025.04. 120
UDC: 539.3
Märksõnad: сталь
механічні властивості
водень
деградація
моделювання
експериментальні дані
вʼязкість руйнування
J-інтеграл
рівняння дифузії
зменшення похибки
steel
mechanical characteristics
hydrogen
degradation
modeling
experimental data
fracture toughness
J-integral
diffusion equation
error reduction
Number of pages: 10
Page range: 120-129
Start page: 120
End page: 129
Kokkuvõte: У роботі запропоновано уточнення до існуючої моделі деградації тріщиностійкості трубної сталі під впливом водню шляхом введення додаткового коефіцієнта матеріалу. Сформульовано нову модель деградації, яка дозволяє значно спростити процес прогнозування без втрати точності. Запропонована модель оперує відносними концентраціями водню та тріщиностійкістю, що дало змогу знизити середню абсолютну похибку більш ніж у 60 разів. Показано фундаментальну різницю між деградованою сталлю після експлуатації та її вихідним станом, для кожного з яких розроблено окремі моделі. Для обох моделей використано метод найменших квадратів для визначення коефіцієнтів на основі експериментальних даних. Виведено рівняння дифузії водню з урахуванням механічного навантаження, що діє на стінку труби. Доведено, що різниця між використанням сталого значення напруження та розв’язком рівняння Ламе становить лише 2%, що дозволяє спростити рівняння дифузії до класичної форми. Наведено приклад застосування нової моделі разом із розв’язком рівняння дифузії для реальних параметрів труб. Розроблені моделі апробовано на експериментальних даних і показано високу точність прогнозування деградації тріщиностійкості сталі. Моделі враховують вплив концентрації водню по товщині стінки труби. Встановлено, що деградація тріщиностійкості у сталі після тривалої експлуатації відбувається значно інтенсивніше, ніж у сталі у вихідному стані. Для резервної сталі деградація добре описується лінійною моделлю, а для деградованої – оберненою функцією. Моделі можуть бути використані для оцінювання технічного стану трубопроводів, що транспортують водень чи водневмісні середовища. Обґрунтовано можливість подальшої інтеграції розроблених моделей у фізично-інформовані нейронні мережі для підвищення точності прогнозування. Отримані результати можна використати для оцінювання залишкового ресурсу водневих трубопроводів та оптимізації планування їхнього обслуговування, що сприятиме підвищенню безпеки їхньої експлуатації.
A correction to the existing hydrogen-induced fracture toughness degradation model was introduced. We formulated a new degradation model that simplifies predictions without compromising accuracy, effectively reducing the mean absolute error from 93 N/mm to 1.4 N/mm on experimental data – a reduction of more than 60 times. The fundamental difference between degraded steel and its as-delivered (reserve) state was demonstrated, and two separate models were proposed for each case. It was shown that the difference between using a constant stress value and the solution to the Lamé equation is only 2%, which justified simplifying the chosen diffusion equation to a classical form. An example application of the new model, together with the solution to the diffusion equation, was presented. The developed models were applied to the parameters of real pipes and validated against experimental data.
URI: http://elartu.tntu.edu.ua/handle/lib/51960
ISSN: 2522-4433
Copyright owner: © Тернопільський національний технічний університет імені Івана Пулюя, 2025
URL for reference material: https://doi.org/10.1016/j.ijhydene.2023.05.293
https://doi.org/10.1007/978-3-031-85390-6_21
https://doi.org/10.33108/visnyk_tntu2025
https://doi.org/10.1007/s11223-024-00704-x
https://doi.org/10.3390/ma12111843
https://doi.org/10.3390/mi11040430
https://doi.org/10.1016/j.ijhydene.2020.05.015
https://doi.org/10.1016/j.cma.2024.117104
https://doi.org/10.3390/ma13235500
https://doi.org/10.1016/j.prostr.2025.06.033
https://doi.org/10.33108/visnyk_tntu2022.04.074
https://doi.org/10.1016/j.ijhydene.2022.12.102
https://doi.org/10.1016/j.rser.2024.114898
https://doi.org/10.1016/0001-6160(82)90023-2
https://doi.org/10.1016/j.corsci.2009.07.013
References (International): 1. Campari A., Ustolin F., Alvaro A., Paltrinieri N. (2023) A review on hydrogen embrittlement based inspection of hydrogen technologies. Int. J. Hydrogen Energy, vol. 48, no. https://doi.org/10.1016/j.ijhydene.2023.05.293
2. Zvirko O., Tsyrulnyk O., Venhryniuk O., Nykyforchyn H. (2025). Hydrogen Related Transport via Existing Gas Pipelines. In: Prentkovskis O., Yatskiv (Jackiva) I., Skačkauskas Stosiak M. (eds). Lecture Notes in Intelligent Transportation and Infrastructure. Springer 219. https://doi.org/10.1007/978-3-031-85390-6_21
3. Poberezhnyi L. (2025) The deformation behavior of the long-term exploited pipelines in soil Scientific Journal of TNTU, vol. 118, no. 2, pp. 5–19. https://doi.org/10.33108/visnyk_tntu2025
4. Zvirko O. I., Tsyrulnyk O. T., Venhrynyuk O. I., Nykyforchyn H. M. (2024) Sensitivity method for estimating the hydrogen embrittlement of ferritic-pearlitic pipe steel. Strength no. 5, art. no. 104534, pp. 928–935. https://doi.org/10.1007/s11223-024-00704-x
5. Сabrini M. et al. (2019) Hydrogen embrittlement evaluation of micro alloyed steels by curve. Materials, vol. 12. Art. No. 1843, pp. 1–17. https://doi.org/10.3390/ma12111843
6. Kyriakopoulou H. P. et al. (2020) Investigation of hydrogen embrittlement susceptibility toughness drop after in situ hydrogen cathodic charging for an X65 pipeline steel. Micromachines art. no. 20, pp. 1–20. https://doi.org/10.3390/mi11040430
7. Huang C., Gao X. (2020) Phase field modeling of hydrogen embrittlement. Int. vol. 45, no. 38, pp. 20053–20068. https://doi.org/10.1016/j.ijhydene.2020.05.015
8. Manav M., Molinaro R., Mishra S., De Lorenzis L. (2024) Phase-field modeling of fracture with physics- informed deep learning. Comput. Methods in Appl. Mech. Eng, vol. 429, art. no. 117104, pp. 1–21. https://doi.org/10.1016/j.cma.2024.117104
9. Malitckii E., Fangnon E., Vilaça P. (2020) Evaluation of steels susceptibility to hydrogen embrittlement: A thermal desorption spectroscopy-based approach coupled with artificial neural network. Materials, vol. 13, no. 23, art. no. 5500, pp. 1–14. https://doi.org/10.3390/ma13235500
10. Yasniy O., Tymoshchuk D., Didych I., Iasnii V., Pasternak I. (2025) Modelling the properties of shape memory alloys using machine learning methods. Procedia Struct. Integr, vol. 68, pp. 132–138. https://doi.org/10.1016/j.prostr.2025.06.033
11. Yasniy O., Demchyk V., Lutsyk N. (2022) Modelling of functional properties of shape-memory alloys by machine learning methods. Scientific Journal of TNTU, vol. 108, no. 4, pp. 74–78. https://doi.org/10.33108/visnyk_tntu2022.04.074
12. He X. et al. (2024) Prediction model for the evolution of hydrogen concentration under leakage in hydrogen refueling station using deep neural networks. Int. J. Hydrogen Energy, vol. 51D, pp. 702–712. https://doi.org/10.1016/j.ijhydene.2022.12.102
13. Zhang X. et al. (2025) Hydrogen jet and diffusion modeling by physics-informed graph neural network. Renew. Sustain. Energy Rev, vol. 207, art. no. 114898. https://doi.org/10.1016/j.rser.2024.114898
14. Larche F. C., Cahn J. W. (1982) The effect of self-stress on diffusion in solids. Acta Metall, vol. 30. pp. 1835–1845. https://doi.org/10.1016/0001-6160(82)90023-2
15. Beer F. P. et al. (2012). Mechanics of Materials, 6th ed. McGraw-Hill, New York.
16. Raichenko A. I. (1981). Mathematical Theory of Diffusion in Applications. Naukova Dumka. Kyiv, 396 p.
17. Wang R. (2009) Effects of hydrogen on the fracture toughness of a X70 pipeline steel. Cor. Sci, vol. 51, pp. 2803–2810. https://doi.org/10.1016/j.corsci.2009.07.013
Content type: Article
Asub kollektsiooni(de)s:Вісник ТНТУ, 2025, № 4 (120)



Kõik teosed on Dspaces autoriõiguste kaitse all.