Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cond-mat > arXiv:2507.14149v1

帮助 | 高级搜索

凝聚态物理 > 软凝聚态物理

arXiv:2507.14149v1 (cond-mat)
[提交于 2025年7月3日 ]

标题: 分数阶粘弹性SPH模型:LAOS模拟与实验数据

标题: Integral fractional viscoelastic models in SPH: LAOS simulations versus experimental data

Authors:Luca Santelli, Adolfo Vázquez-Quesada, Aizzati Burgoa, Aitor Arriaga, Ritardo Hernandez, Marco Ellero
摘要: 聚合物的流变行为通过在复杂流动中进行数值模拟并与实验进行比较来研究。 对于我们的模拟,我们采用了一种平滑粒子流体动力学方案,该方案基于K-BKZ框架的积分分数模型。 结果与在中等和大振幅振荡剪切下对熔融态等规聚丙烯进行的实验进行了比较。 数值结果与实验数据相符,该模型能够捕捉并预测聚合物熔体的线性和非线性粘弹性行为。 结果表明,在实际条件下对复杂聚合材料进行模拟,为SPH配备积分分数模型是一种有前景的方法。
摘要: The rheological behaviour of a polymer was investigated by performing numerical simulations in complex flow and comparing them to experiments. For our simulations, we employed a Smoothed Particle Hydrodynamics scheme, utilizing an integral fractional model based on the K-BKZ framework. The results are compared with experiments performed on melt-state isotactic polypropylene under medium and large amplitude oscillatory shear. The numerical results are in good agreement with the experimental data, and the model is able to capture and predict both the linear and the non-linear viscoelastic behaviours of the polymer melt. Results show that equipping SPH with an integral fractional model is promising approach for the simulation of complex polymeric materials under realistic conditions.
主题: 软凝聚态物理 (cond-mat.soft)
引用方式: arXiv:2507.14149 [cond-mat.soft]
  (或者 arXiv:2507.14149v1 [cond-mat.soft] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.14149
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Luca Santelli [查看电子邮件]
[v1] 星期四, 2025 年 7 月 3 日 11:35:58 UTC (14,129 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cond-mat.soft
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cond-mat

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号