MétaCan
Menu
Retour à la cohorte
Enregistrement W2985257067 · doi:10.1115/1.4047859

Optimal Load Sharing in Bioinspired Fibrillar Adhesives: Asymptotic Solution

2020· preprint· en· W2985257067 sur OpenAlexafffund
Harman Khungura, Mattia Bacca

Notice bibliographique

RevueJournal of Applied Mechanics · 2020
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaInstitute for Computing, Information and Cognitive Systems
Mots-clésAdhesiveLoad distributionMaterials scienceFibrilLoad sharingLoad bearingSensitivity (control systems)Distribution (mathematics)MechanicsComposite materialMathematicsComputer scienceMathematical analysisStructural engineeringPhysicsChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract We propose here an asymptotic solution defining the optimal compliance distribution for a fibrillar adhesive to obtain maximum theoretical strength. This condition corresponds to that of equal load sharing (ELS) among fibrils, i.e., all the fibrils are carrying the same load at detachment; hence, they all detach simultaneously. We model the array of fibrils as a continuum of linear elastic material that cannot laterally transmit load (analogous to a Winkler soil). Ultimately, we obtain the continuum distribution of fibril's compliance in the closed-form solution and compare it with previously obtained data for a discrete model for fibrillar adhesives. The results show improving accuracy for an incremental number of fibrils and smaller center-to-center spacing. Surprisingly, the approximation introduced by the asymptotic model shows reduced sensitivity of the adhesive strength with respect to misalignment and improved adhesive strength for large misalignment angles.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,235
Écart entre enseignants0,214 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied MechanicsMême sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207