MétaCan
Menu
Retour à la cohorte
Enregistrement W4306795346 · doi:10.21203/rs.3.rs-2166524/v1

Experimental study and numerical simulation of cutting and tearing of silicone rubber using Extended Finite Element Method (XFEM)

2022· preprint· en· W4306795346 sur OpenAlexaff
Marwa Gzaiel, Ennouri Triki, Abdelwahed Barkaoui, Moez Chafra

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEngineering
ThématiqueElasticity and Material Modeling
Établissements canadiensCégep Marie-Victorin
Organismes subventionnairesnon disponible
Mots-clésSilicone rubberTearingMaterials scienceDissipative systemFinite element methodDeformation (meteorology)DissipationFracture mechanicsNatural rubberStrain energy release rateShear (geology)ViscoelasticityComposite materialNonlinear systemStructural engineeringStrain rateFracture (geology)EngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Failure of soft materials is a fundamental challenge due to the strongly nonlinear and dissipative deformation involved. An experimental and extended finite element study of dynamic crack in silicone rubber are investigated. Hence, material preparation procedures, details of sample as well as testing apparatus which have been used for cutting, pure shear tests are presented. First, the rate of energy restitution and an instantaneous propagation speed were achieved. The crack propagation speed / energy release rate relationships are given for the different strain rates. second, an analysis of the mechanical fields and stress state in the fracture process zone is proposed. Finally, cutting force evolution according to stretches is established. Then, an energy-based approach was introduced. Results show that the cutting force and the total cutting energy decreases significantly with increasing deformation rate.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,795

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,001
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 Opus0,111
Tête enseignante GPT0,439
Écart entre enseignants0,328 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetElasticity and Material ModelingTravaux en français237 207