MétaCan
Menu
Retour à la cohorte
Enregistrement W2043294234 · doi:10.1063/1.3585983

A dynamic punch method to quantify the dynamic shear strength of brittle solids

2011· article· en· W2043294234 sur OpenAlexaff
Sheng Huang, Xia‐Ting Feng, Kaiwen Xia

Notice bibliographique

RevueReview of Scientific Instruments · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh-Velocity Impact and Material Behavior
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSplit-Hopkinson pressure barBrittlenessPunchingDynamic testingDynamic loadingDynamic load testingUltimate tensile strengthShear (geology)IsotropyComposite materialStructural engineeringMechanicsStrain rateOptics

Résumé

récupéré en direct d'OpenAlex

Shear strength is an important material parameter for brittle solids. This parameter has been extensively used in material failure models. Although a few methods have been proposed to quantify this parameter under the static loading condition, there is no such a method available to measure it under dynamic loading conditions. This paper presents a punch shear device to measure the dynamic shear strength of brittle solids. In this method, a split Hopkinson pressure bar system (SHPB) is used to exert the dynamic load to a thin disc sample, which is placed in a specially designed holder to minimize the bending stress induced by punching. The sample holder also allows the punch head to load the sample directly and in combination with momentum-trap technique in SHPB, it enables soft recovery of the rock plug and rock ring produced by the punching test. The flexibility and applicability of this method is demonstrated by the application of an isotropic and fine-grained sandstone. Within the theoretical framework of the classical Mohr-Coulomb failure model, the obtained dynamic shear strengths are consistent with the dynamic tensile strengths for the same rock from the literature.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,042
Tête enseignante GPT0,344
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations44
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetHigh-Velocity Impact and Material BehaviorTravaux en français237 207