MétaCan
Menu
Retour à la cohorte
Enregistrement W2548763112 · doi:10.17975/sfj-2016-001

Optimizing Maximum Ejecting Speed for a Gaussian Accelerator Cannon

2016· article· en· W2548763112 sur OpenAlexvenueno aff
Mohammadreza Noormandipour, Seyed Ali Reza Manavi, Mahdi Sarikhani, Elmira Vahidi

Notice bibliographique

RevueSTEM Fellowship Journal · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueSports Dynamics and Biomechanics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMagnetProjectileBall (mathematics)MechanicsPhysicsRange (aeronautics)Projectile motionMechanical engineeringMaterials scienceMathematicsGeometryEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

This paper aims to find the maximum speed of an ejected steel ball from a magnetic cannon and determine its relation to other setup parameters. A magnet induces dipole moments in steel balls inside a magnetic cannon and makes them stick together along a straight line. At the moment of collision, this attraction reduces the motion of the balls in other directions. This creates a more efficient momentum transfer along the series of steel balls and consequently, a higher speed for the ejected ball. The striking ball was released from a height of 6 cm above the rail and collided with two magnets, followed by three balls. The speed was calculated using the projectile range formula. The speed was found to be a damping non-monotonic function of the number of balls after the magnet. The effective parameters were studied and the maximum velocity obtained under experimental conditions was 295±5 cm/s. Figures were made using SolidWorks software and data were analyzed using Microsoft Excel 2016 and Gnuplot software.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,577

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 Opus0,021
Tête enseignante GPT0,225
Écart entre enseignants0,204 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSTEM Fellowship JournalMême sujetSports Dynamics and BiomechanicsTravaux en français237 207