MétaCan
Menu
Retour à la cohorte
Enregistrement W1889468159 · doi:10.3968/j.ans.1715787020100302.025

Abrasive Wear of Geometrical Surface Structures of Scapharca Subcrenata and Burnt-end Ark Against Soil

2010· article· en· W1889468159 sur OpenAlexvenueno aff
Rui Zhang, Zhili Lu, Jianqiao Li

Notice bibliographique

RevueAdvances in natural science/Advances in natural sciences · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAbrasiveShell (structure)Materials scienceComposite materialBiologyAnatomy

Résumé

récupéré en direct d'OpenAlex

Scapharca subcrenata(Arca subcrenala Lischke)and Burnt-end Ark (Arca inflata Reeve) were selected as the research object. The abrasive wear experiments of three types of surface structures against soil were performed in the abrasive tester. These surface structures include the Scapharca subcrenata node rib pattern shell, Scapharca subcrenata rib pattern shell and Burnt-end Ark. The test results showed that the wear-resistant function of the surface structures of the Scapharca subcrenata node rib pattern shell and the Burnt-end Ark shell was better than that of the surface structure of the Scapharca subcrenata rib pattern shell when the relative sliding velocity was 2.41m/s. When abrasive size was range from 0.380mm to 0.830mm, the wear loss of these three types of surface structures were increased with the relative sliding velocity increasing.Keywords: Scapharca subcrenata; Burnt-end Ark; geometrical surface structure; abrasive wear; wear resistance

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0000,004
Communication savante0,0000,006
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,004
Tête enseignante GPT0,274
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in natural science/Advances in natural sciencesMême sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207