MétaCan
Menu
Retour à la cohorte
Enregistrement W7132513857

Evaluation of numerical methods to model adhesives used in ballistic protection structures

2023· article· en· W7132513857 sur OpenAlexvenueno aff
Devon Downes, M. Nejad Ensan, Lucy Li

Notice bibliographique

RevueNPARC · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh-Velocity Impact and Material Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProjectileCeramicFinite element methodPlasticityArmourConstitutive equationPolycarbonateBallisticsAdhesive
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A numerical investigation is presented in this work to study the ballistic performance of Aluminum Oxide (Al203) ceramic plates bonded to a polycarbonate backing subjected to impacts from 7.62 mm diameter calibre projectiles. The ceramic plate measured 102 × 102 mm with a thickness of 5.8 mm. Numerical models were developed using the explicit finite element code LS-DYNA, which possesses contact, erosion and material failure capabilities particularly suitable for ballistic simulation. The Johnson–Holmquist, Piecewise Linear Plasticity and Plastic Kinematic constitutive material models were used to model the materials behaviors of the ceramic, projectile materials and backing material, respectively. The residual velocity and depth of penetration (DoP) into the backing material was obtained and compared with available experimental data. The simulation was capable of capturing the DoP into the backing with a high degree of accuracy compared to the experimental tests. The results showed that when the ceramic plates were impacted by a projectile, the damage mechanism of the fragmented ceramic included radial and circumferential crack lines along with a pulverized center and a highly eroded bullet. The failure of the bonding adhesive between the ceramic plate and polycarbonate backing was also accurately captured by using the plasticity compression tension material model to simulate the adhesive.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,092
Score d'incertitude au seuil0,680

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 Opus0,143
Tête enseignante GPT0,424
Écart entre enseignants0,280 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetHigh-Velocity Impact and Material BehaviorTravaux en français237 207