MétaCan
Menu
Retour à la cohorte
Enregistrement W3042352154 · doi:10.1115/hvis2019-117

Timing Delay Analysis of the Auxiliary Pump Technique to Improve the Performance of an Implosion-Driven Hypervelocity Launcher

2019· article· en· W3042352154 sur OpenAlexaff
Mafa Wang, Justin Huneault, Andrew Higgins, Sen Liu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergetic Materials and Combustion
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésExplosive materialDetonationMechanicsHypervelocityPhysicsImplosionTube (container)Materials sciencePlasmaThermodynamicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In order to understand the irreproducibility of the auxiliary pump technique, an interior ballistic solver taking into account reservoir collapse has been used to simulate the performance of launchers. Launchers with different detonation velocities, explosive lengths, and timing delays (the difference between the initiation time of the pump tube explosives and auxiliary pump explosives) of the auxiliary pump have been calculated. The effective timing delay region, which could achieve a velocity gain larger than 1.0 km/s, has been discussed. And its influence factors, such as the detonation velocity of auxiliary pump explosives and the inner-wall velocity of the reservoir, have been analyzed. Results show that the velocity gain decreases with an increase in the timing delay and increases with the increasing length of explosives. The effective timing delay region is about 2μs and depends weakly on the detonation velocity and the length of explosives when using the same explosives for the pump tube and the reservoir. Nevertheless, low detonation velocity of the reservoir explosives and high inner-wall velocity could improve the effective timing delay region, but the maximum effective timing delay region cannot exceed 10μs, which is not easily accomplished experimentally. Therefore, the auxiliary pump technique should not be a very reproducible technique.

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 enseignants0,096
Score d'incertitude au seuil0,256

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 Opus0,006
Tête enseignante GPT0,202
Écart entre enseignants0,196 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergetic Materials and CombustionTravaux en français237 207