MétaCan
Menu
Retour à la cohorte
Enregistrement W4288026092 · doi:10.48550/arxiv.1911.05225

Optimal load sharing in bioinspired fibrillar adhesives: Asymptotic\n solution

2019· preprint· en· W4288026092 sur OpenAlexaff
Harman Khungura, Mattia Bacca

Notice bibliographique

RevuearXiv (Cornell University) · 2019
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAdhesiveMaterials scienceFibrilLoad distributionSensitivity (control systems)Load sharingLoad bearingMechanicsComposite materialBiological systemComputer scienceStructural engineeringPhysicsBiophysicsEngineering

Résumé

récupéré en direct d'OpenAlex

We propose here an asymptotic solution defining the optimal compliance\ndistribution for a fibrillar adhesive to obtain maximum theoretical strength.\nThis condition corresponds to that of equal load sharing (ELS) among fibrils,\ni.e. all the fibrils are carrying the same load at detachment, hence they all\ndetach simultaneously. We model the array of fibrils as a continuum of linear\nelastic material that cannot laterally transmit load (analogous to a Winkler\nsoil). Ultimately, we obtain the continuum distribution of fibril's compliance\nin closed-form solution and compare it with previously obtained data for a\ndiscrete model for fibrillar adhesives. The results show improving accuracy for\nan incremental number of fibrils and smaller center-to-center spacing.\nSurprisingly, the approximation introduced by the asymptotic model show reduced\nsensitivity of the adhesive strength with respect to misalignment and improved\nadhesive strength for large misalignment angles.\n

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,049
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
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 recherche0,0000,001
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 Opus0,044
Tête enseignante GPT0,183
Écart entre enseignants0,139 · 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.

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207