Shear strength of angular granular materials with size and shape polydispersity
Notice bibliographique
Résumé
Shear strength characterization of coarse granular materials often requires modifying the original material in order to fit samples in standard testing devices. This is done, however, at the expense of changing the particle size distribution (psd), employing scaling-down techniques such as parallel grading or scalping methods. Such procedures hide, nevertheless, another challenge. As a given particle size can present a characteristic grain shape, altering the grain size distribution can strongly modify the distribution of grain shapes. While the effects of grain shape on shear strength have been vastly covered in the literature, the effect of having different shapes along grain sizes has yet to be systematically assessed and understood. This article explores the critical shear strength of samples composed of particles with size-shape correlations using 2D discrete element simulations. Two cases of particle shape variability across grain sizes are studied: (1) the sharpness of grains’ corners - modeled via the number of sides of regular polygons - and (2) the geometric irregularity of grains - where the corners of a polygon are not necessarily evenly spaced. The effects of these geometrical properties on the shear strength are assessed through a series of numerical simple shearing tests up to large levels of deformation. We find that granular materials presenting different number of sides across grain sizes can strongly modify their mechanical response depending on the grain-size correlation. On the contrary, grain shape irregularity turns out not to have a major effect on the critical shear strength. Microstructural analyses allow us to identify how each correlation affects load transmission mechanisms between grains, and the contribution of each grain shape class to the macroscopic shear strength. This work shows that particle sizes are not the only sample descriptor to consider when applying scaling-down techniques. It is equally key to characterize particle shapes across grain sizes to capture the material’s mechanical response adequately.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».