MétaCan
Menu
Retour à la cohorte
Enregistrement W1489699712 · doi:10.1063/1.2776716

Improving the Erosion Resistance of Electrical Insulating Materials Using Nano Fillers

2007· article· en· W1489699712 sur OpenAlexaff
Ayman El‐Hag, S. Ul-Haq, Shesha Jayaram, E.A. Cherney

Notice bibliographique

RevueAIP conference proceedings · 2007
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh voltage insulation and dielectric phenomena
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSilicone rubberComposite materialFiller (materials)Fumed silicaScanning electron microscopeNano-Surface roughnessSiliconeSurface finish

Résumé

récupéré en direct d'OpenAlex

The paper presents the experimental results obtained to test the effect of nano‐fillers on the aging performance of silicone rubber for outdoor applications and enamelled wire for motor insulation. The erosion resistance of silicone rubber (SIR) filled with 12 nm size fumed silica is compared to those filled with 5 μm size silica filler using the ASTM 2303 Inclined Plane Tracking and Erosion Test. The erosion resistance of the SIR materials increased with increasing percentage of the fillers, and it was observed that 10% by weight of nano‐filled SIR gives a performance that is similar to that obtained with 50% by weight of micro‐filled SIR. The paper discusses the possible reasons for the improvement in the erosion resistance of nano‐filled silicone composites using different material analysis techniques like Thermo Gravimetric Analysis (TGA), and Scanning Electron Microscopy (SEM). Also, the effect of using different nano fillers like alumina, fumed silica and titanium oxide on the erosion resistance of enamel wire insulating material subjected to different electrical stresses will be addresses. Surface roughness is used to evaluate the effect of different nano‐fillers on the erosion resistance of enamel wire insulation.

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)0,001
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 enseignants0,013
Score d'incertitude au seuil0,551

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,257
Écart entre enseignants0,232 · 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

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetHigh voltage insulation and dielectric phenomenaTravaux en français237 207