Hybrid Lattice Particle Modelling Approach for Polymeric Materials Subject to High Strain Rate Loads
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
Hybrid Lattice Particle modelling (HLPM) is an innovative particular dynamics approach that is established based on a combination of the particle modelling (PM) technique together with the conventional lattice modelling (LM) theory. It is developed for the purpose of simulating the dynamic fragmentation of solids under high strain rate loadings at macroscales with a varying Poisson's ratio. HLPM is conceptually illustrated by fully dynamic particles (or “quasi-particles”) placed at the nodes of a lattice network without explicitly considering their geometric size. The interaction potentials among the particles can employ either linear (quadratic) or nonlinear (Leonard-Jones or strain rate dependent polynomial) type as the axial/angular linkage. The defined spring constants are then mapped into lattice system, which are in turn matched with the material’s continuum-level elastic moduli, strength, Poisson's ratio and mass density. As an accurate dynamic fracture solver of materials, HLPM has its unique advantages over the other numerical techniques which are mainly characterized as easy preparation of inputs, high computation efficiency, ability of post-fracture simulation and a multiscale model, etc., This paper is to review the successful HLPM studies of dynamic fragmentation of polymeric materials with good accuracy. Polymeric materials, including nylon 6-6, vinyl ester and epoxy, are accounted for under the loading conditions of tension, indentation and punctuation. In addition, HLPM of wave propagation and wave induced fracture study is also reviewed.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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