An Improved Shear Stress Monitoring Method in Numerical Direct Shear Tests by Particle Flow Code
Notice bibliographique
Résumé
Abstract During a direct shear test in particle flow code (PFC; Itasca Consulting Group, Minneapolis, MN) simulation, the initial force is often neglected by the existing methods of monitoring shear stress, which results in a difference between the monitoring data and simulation result. An improved monitoring method, which involves monitoring the resultant force on the left and right walls (specimen boundary) as the shear force, is proposed to monitor the shear stress in this study. The effectiveness of the proposed method is first investigated by comparing the monitoring results with the peak shear strength of sawtooth triangular joints with base angles of 0°, 15°, and 30° and joints with Barton’s standard joint roughness profiles (joint roughness coefficient (JRC) = 5.8, 10.8, and 14.5) as predicted by well-known classical shear models under different normal stress conditions. Additionally, the capabilities of the proposed monitoring method were tested by comparing it with the peak shear strength obtained from laboratory direct shear tests on a real rock joint (JRC = 1.0) under different normal stress levels. Good agreement was found between the results of the numerical models that used the proposed monitoring method and well-known classical shear models as well as laboratory direct shear tests. The proposed method has a highly accurate capacity for determining the shear stress in numerical direct shear tests by PFC. This method has advantages for assessing joints with low roughness coefficients under low normal stress conditions. The results reveal that the proposed method reasonably reflects the shear characteristics of rock joints in numerical direct shear tests. The proposed method also contributes to the calibration of microparameters for a smooth joint model to more accurately represent the rock joint.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».