MétaCan
Menu
Retour à la cohorte
Enregistrement W4407385735 · doi:10.1139/cgj-2024-0421

Investigation of the effects of liquid medium and electrical parameters on hydraulic-electric pulsed discharge rock-breaking

2025· article· en· W4407385735 sur OpenAlexvenueno aff
Weiji Liu, Ling He

Notice bibliographique

RevueCanadian Geotechnical Journal · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMineral Processing and Grinding
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Sichuan ProvinceNational Natural Science Foundation of China
Mots-clésGeotechnical engineeringElectric dischargeWater dischargeGeologyMaterials scienceChemistryElectrode

Résumé

récupéré en direct d'OpenAlex

The hydraulic-electric pulsed discharge (HEPD) rock-breaking technology can generate plasma channels in liquid media and shock waves from the plasma channels to break rocks. Since the HEPD rock-breaking technology involves a multi-physical field coupling rock-breaking mechanism that is difficult to describe, the theoretical modeling of this technology is less studied. In this paper, we analyze the HEPD rock-breaking process by combining numerical models and experiments and establish a multi-physics numerical HEPD simulation model, which realizes the whole process of HPED rock-breaking from the five-field coupling. The obtained numerical simulations and indoor experiments show that the HEPD process is divided into three phases: the breakdown channel formation phase, the plasma channel formation phase, and the plasma shockwave bursting phase. With the increase of liquid medium conductivity, the rock’s maximum penetration depth decreases, the rock’s maximum damage depth increases, and the trend of rock crushing pits appears to decrease. The larger the liquid medium breakdown energy consumption, the faster the electric breakdown in the liquid medium is generated, which reduces the breakdown delay. When the liquid medium conductivity increases from 0.0125 to 5 S/m, the liquid medium breakdown energy consumption increases by 13.87% and the breakdown delay decreases by 13.74%.

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 enseignants0,146
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,197
Écart entre enseignants0,191 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetMineral Processing and GrindingTravaux en français237 207