MétaCan
Menu
Retour à la cohorte
Enregistrement W1922029506 · doi:10.1155/2015/493206

Carbon Fiber Composites of Pure Polypropylene and Maleated Polypropylene Blends Obtained from Injection and Compression Moulding

2015· article· en· W1922029506 sur OpenAlexaff
D. Pérez-Rocha, Ana Beatriz Morales–Cepeda, Fabiola Navarro‐Pardo, Tomás Lozano, Pierre G. Lafleur

Notice bibliographique

RevueInternational Journal of Polymer Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Wear Analysis
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésMaterials scienceComposite materialUltimate tensile strengthPolypropyleneDifferential scanning calorimetryScanning electron microscopeIzod impact strength testFourier transform infrared spectroscopyInjection mouldingFiberDynamic mechanical analysisPolymerChemical engineering

Résumé

récupéré en direct d'OpenAlex

A comparative study of the mechanical performance of PP and PP/PP-g-MAH blends reinforced with carbon fibre (CF) obtained by two different moulding techniques is presented. Three filler contents were used for fabricating the composites: 1, 3, and 5 pph (parts per hundred). The crystallisation behaviour of the composites was studied by differential scanning calorimetry. Morphological and structural features of these samples were observed by atomic field microscopy and Fourier-transform infrared spectroscopy, respectively. Mechanical properties of the injection and compression moulded composites were evaluated by means of tensile and impact resistance tests. The fracture surface of the impacted samples was observed by scanning electron microscopy. The processing method had a noticeable effect on the results obtained in these tests. Young’s modulus was enhanced up to 147% when adding 5 pph CF to a PP matrix when processed by compression moulding. Addition of PP-g-MAH and CF had a favourable effect on the tensile and impact strength properties in most samples; these composites showed improved performance as the filler content was increased.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,010
Tête enseignante GPT0,242
Écart entre enseignants0,233 · 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 source (Gemma direct ou Codex distillé), 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

Citations25
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Polymer ScienceMême sujetTribology and Wear AnalysisTravaux en français237 207