MétaCan
Menu
Retour à la cohorte
Enregistrement W2075760404 · doi:10.1088/1742-6596/500/18/182027

Acceleration of plates using non-conventional explosives heavily-loaded with inert materials

2014· article· en· W2075760404 sur OpenAlexaff
Julien Loiseau, Oren E. Petel, Justin Huneault, Matthew Serge, David L. Frost, Andrew Higgins

Notice bibliographique

RevueJournal of Physics Conference Series · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergetic Materials and Combustion
Établissements canadiensCarleton UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésExplosive materialDetonationAccelerationMaterials scienceInertNitromethaneMechanicsDetonation velocityTerminal velocityThermalisationThermodynamicsComposite materialPhysicsChemistryClassical mechanics

Résumé

récupéré en direct d'OpenAlex

The detonation behavior of high explosives containing quantities of dense additives has been previously investigated with the observation that such systems depart dramatically from the approximately "gamma law" behavior typical of conventional explosives due to momentum transfer and thermalization between particles and detonation products. However, the influence of this non-ideal detonation behavior on the divergence speed of plates has been less thoroughly studied and existing literature suggests that the effect of dense additives cannot be explained solely through the straightforward application of the Gurney method with energy and density averaging of the explosive. In the current study, the acceleration history and terminal velocity of aluminum flyers launched by packed beds of granular material saturated by amine-sensitized nitromethane is reported. It was observed that terminal flyer velocity scales primarily with the ratio of flyer mass to mass of the explosive component; a fundamental feature of the Gurney method. Velocity decrement from the addition of particles was only 20%-30% compared to the resulting velocity if propelled by an equivalent quantity of neat explosive.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,211
Écart entre enseignants0,192 · 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.

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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetEnergetic Materials and CombustionTravaux en français237 207