DEM investigation into effects of polydispersity of multilevel morphology on shear behaviors of granular materials
Notice bibliographique
Résumé
Extensive efforts have been made to investigate the multilevel shape dependence of the shear behaviors of granular materials. However, the impact of shape polydispersity at each morphological level, inherent in realistic granular materials, remains understudied. This study aims to address this fundamental issue. The concept of the overall polydispersity index (OPI) is utilized to quantify polydispersity degrees in elongation index (EI), flatness index (FI), angularity index (AI), and roughness (RG), denoted as OPIEI, OPIFI, OPIAI, and OPIRG, respectively. Four series of granular assemblies with varying OPIEI, OPIFI, OPIAI, and OPIRG values are generated and employed in discrete element method simulations to prepare samples for triaxial shearing. The variation trends of both macroscopic and microscopic behaviors, as well as fabric anisotropy influenced by OPIEI, OPIFI, OPIAI, and OPIRG are analyzed in detail. These results are also compared with those from monodisperse samples to highlight the notable effects of particle shape polydispersity on shear behavior. Additionally, a prediction model for the shear behaviors of polydisperse samples is proposed by averaging the contributions of all constituent particle shapes within the sample. This model can serve as an effective bridge between shear behaviors of polydisperse and monodisperse samples.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».