MétaCan
Menu
Retour à la cohorte
Enregistrement W2090394309 · doi:10.1088/0957-0233/25/7/075002

An experimental method to quantify the impact fatigue behavior of rocks

2014· article· en· W2090394309 sur OpenAlexaff
Bangbiao Wu, Patrick Kanopoulos, Xuedong Luo, Kaiwen Xia

Notice bibliographique

RevueMeasurement Science and Technology · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh-Velocity Impact and Material Behavior
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBrittlenessSplit-Hopkinson pressure barMaterials scienceFatigue testingIsotropyDisplacement (psychology)Rock blastingFailure mode and effects analysisStructural engineeringBar (unit)Geotechnical engineeringComposite materialGeologyEngineeringStrain rate

Résumé

récupéré en direct d'OpenAlex

Fatigue failure is an important failure mode of engineering materials. The fatigue behavior of both ductile and brittle materials has been under investigation for many years. While the fatigue failure of ductile materials is well established, only a few studies have been carried out on brittle materials. In addition, most fatigue studies on rocks are conducted under quasi-static loading conditions. To address engineering applications involving repeated blasting, this paper proposes a method to quantify the impact fatigue properties of rocks. In this method, a split Hopkinson pressure bar system is adopted to exert impact load on the sample, which is placed in a specially designed steel sleeve to limit the displacement of the sample and thus to enable the recovery of the rock after each impact. The method is then applied to Laurentian granite, which is fine-grained and isotropic material. The results demonstrate that this is a practicable means to conduct impact fatigue tests on rocks and other brittle solids.

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)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0090,002

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 Opus0,074
Tête enseignante GPT0,389
Écart entre enseignants0,316 · 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
GenreMéthodes

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

En bref

Citations27
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeasurement Science and TechnologyMême sujetHigh-Velocity Impact and Material BehaviorTravaux en français237 207