Dynamic rock tests using split Hopkinson (Kolsky) bar system – A review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dynamic properties of rocks are important in a variety of rock mechanics and rock engineering problems. Due to the transient nature of the loading, dynamic tests of rock materials are very different from and much more challenging than their static counterparts. Dynamic tests are usually conducted using the split Hopkinson bar or Kolsky bar systems, which include both split Hopkinson pressure bar (SHPB) and split Hopkinson tension bar (SHTB) systems. Significant progress has been made on the quantification of various rock dynamic properties, owing to the advances in the experimental techniques of SHPB system. This review aims to fully describe and critically assess the detailed procedures and principles of techniques for dynamic rock tests using split Hopkinson bars. The history and principles of SHPB are outlined, followed by the key loading techniques that are useful for dynamic rock tests with SHPB (i.e. pulse shaping, momentum-trap and multi-axial loading techniques). Various measurement techniques for rock tests in SHPB (i.e. X-ray micro computed tomography (CT), laser gap gauge (LGG), digital image correlation (DIC), Moiré method, caustics method, photoelastic coating method, dynamic infrared thermography) are then discussed. As the main objective of the review, various dynamic measurement techniques for rocks using SHPB are described, including dynamic rock strength measurements (i.e. dynamic compression, tension, bending and shear tests), dynamic fracture measurements (i.e. dynamic imitation and propagation fracture toughness, dynamic fracture energy and fracture velocity), and dynamic techniques for studying the influences of temperature and pore water.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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