MétaCan
Menu
Retour à la cohorte
Enregistrement W2212267661 · doi:10.1063/1.4942895

Characteristics of undulatory locomotion in granular media

2016· article· en· W2212267661 sur OpenAlexafffund
Zhiwei Peng, On Shun Pak, Gwynn J. Elfring

Notice bibliographique

RevuePhysics of Fluids · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhysicsSawtooth waveMechanicsPropulsionResistive touchscreenGranular materialComputer science

Résumé

récupéré en direct d'OpenAlex

Undulatory locomotion is ubiquitous in nature and observed in different media, from the swimming of flagellated microorganisms in biological fluids, to the slithering of snakes on land, or the locomotion of sandfish lizards in sand. Despite the similarity in the undulating pattern, the swimming characteristics depend on the rheological properties of different media. Analysis of locomotion in granular materials is relatively less developed compared with fluids partially due to a lack of validated force models but recently a resistive force theory in granular media has been proposed and shown useful in studying the locomotion of a sand-swimming lizard. Here we employ the proposed model to investigate the swimming characteristics of a slender filament, of both finite and infinite length, undulating in a granular medium and compare the results with swimming in viscous fluids. In particular, we characterize the effects of drifting and pitching in terms of propulsion speed and efficiency for a finite sinusoidal swimmer. We also find that, similar to Lighthill’s results using resistive force theory in viscous fluids, the sawtooth swimmer is the optimal waveform for propulsion speed at a given power consumption in granular media. The results complement our understanding of undulatory locomotion and provide insights into the effective design of locomotive systems in granular media.

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 enseignants0,173
Score d'incertitude au seuil0,296

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 savante0,0000,000
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 Opus0,011
Tête enseignante GPT0,222
Écart entre enseignants0,211 · 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

Citations12
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetMicro and Nano RoboticsTravaux en français237 207