MétaCan
Menu
Retour à la cohorte
Enregistrement W2948647980 · doi:10.1063/1.5094839

A mesoscale study on explosively dispersed granular material using direct simulation

2019· article· en· W2948647980 sur OpenAlexafffund
Huangrui Mo, Fue‐Sang Lien, Fan Zhang, Duane S. Cronin

Notice bibliographique

RevueJournal of Applied Physics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of WaterlooDefence Research and Development Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMesoscale meteorologyMechanicsGranular materialDissipative particle dynamicsStatistical physicsParticle (ecology)DissipationMultiscale modelingCFD-DEMSmoothed-particle hydrodynamicsPhysicsDirect numerical simulationDiscrete element methodMaterials scienceTurbulenceGeologyMeteorologyChemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

Explosively dispersed granular materials frequently exhibit coherent particle clustering and jetting structures. Influencing the mass concentration and related particle reaction and energy release, this phenomenon is of significant interest to the study of flow instability and mixing in heterogeneous detonation and explosion. Largely inhibited by the complex mesoscale multiphase interactions involved in the dispersal process, the underlying mechanism remains unclear. In this study, mesoscale direct simulations that capture coupled multiphase interactions and deterministic granular dynamics are conducted to investigate particle clustering and jetting formation in explosively dispersed granular payloads consisting of inert particles. Employing a mesoscale simulation framework that models particles as discrete entities and resolves the interfaces and collisions of individual particles in stochastically generated payloads with randomly distributed particle positions and sizes, numerical cases that cover a set of stochastic payloads, burster states, and coefficients of restitution are solved and analyzed. A valid statistical dissipative property of the mesoscale discrete modeling with respect to Gurney velocity is demonstrated. The predicted surface expansion velocities can extend the time range of the velocity scaling law with regard to Gurney energy in the Gurney theory from the steady-state termination phase to the unsteady evolution phase. Dissipation analysis based on the mesoscale discrete modeling of granular payloads suggests that incorporating the effects of porosity can enhance the prediction of Gurney velocity for explosively dispersed granular payloads. On the basis of direct simulations, an explanation for particle clustering and jetting formation is proposed to increase the understanding of established experimental observations in the literature.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,253
Écart entre enseignants0,233 · 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'étudeSimulation ou modélisation
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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207