MétaCan
Menu
Retour à la cohorte
Enregistrement W4405892828 · doi:10.17660/ejhs.2024/032

Effects of cutting parameters on the ultimate shear stress and specific cutting energy of Canadian goldenrod stem

2024· article· en· W4405892828 sur OpenAlexaboutno aff
Ziyu Li, Guanqun Wang, Weidong Jia, Mingxiong Ou, Dong Xiang, Tie Zhang, Hong Chen, Chenyang Wang

Notice bibliographique

RevueEuropean Journal of Horticultural Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAgricultural Engineering and Mechanization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésShear stressShear (geology)Specific energyBiologyStress (linguistics)Materials scienceComposite materialPaleontologyPhysics

Résumé

récupéré en direct d'OpenAlex

Summary Due to the lack of weed-specific designs in weeding equipment, this article conducted cutting experiments on one type of weed: Canadian goldenrod. This study examined the influence of various cutting parameters on the process of cutting Canadian goldenrod stems to determine the optimal cutting parameters. A quasi-static cutting method was used to cut the stems. The results indicated that cutting speed, stem oblique angle, blade oblique angle, and stem diameter significantly affected the ultimate shear stress and specific cutting energy during the cutting process. The response surface method was employed to explore the optimal cutting parameters. In this experiment, the minimum combined values of ultimate shear stress and specific cutting energy were achieved when the cutting speed, stem oblique angle, blade oblique angle, and stem diameter were 30 mm s -1 , 20°, 0°, and 6 mm, respectively. When cutting close to the ground, the optimized cutting method reduced the ultimate shear stress and specific cutting energy by 52.68% and 55.22%, respectively, compared to ordinary cutting. These optimal cutting parameters can support the blade layout and output power design of a weeder or harvester.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,037
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,162
Écart entre enseignants0,155 · 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'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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Horticultural ScienceMême sujetAgricultural Engineering and MechanizationTravaux en français237 207