MétaCan
Menu
Retour à la cohorte
Enregistrement W2007983462 · doi:10.1063/1.3398419

Ironless transducer for measuring the mechanical properties of porous materials

2010· article· en· W2007983462 sur OpenAlexaff
Olivier Doutres, Nicolas Dauchez, Jean-Michel Génevaux, Guy Lemarquand, Sylvain Mézil

Notice bibliographique

RevueReview of Scientific Instruments · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Phenomena Research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesConseil Régional des Pays de la LoireCentre National de la Recherche ScientifiqueEuropean Commission
Mots-clésQuasistatic processTransducerMaterials scienceAcousticsBiot numberPorous mediumPorosityElectrical impedancePoromechanicsUltrasonic sensorMechanical impedanceInertiaMechanicsComposite materialPhysicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

This paper presents a measurement setup for determining the mechanical properties of porous materials at low and medium frequencies by extending toward higher frequencies the quasistatic method based on a compression test. Indeed, classical quasistatic methods generally neglect the inertia effect of the porous sample and the coupling between the surrounding fluid and the frame; they are restricted to low frequency range (<100 Hz) or specific sample shape. In the present method, the porous sample is placed in a cavity to avoid a lateral airflow. Then a specific electrodynamic ironless transducer is used to compress the sample. This highly linear transducer is used as actuator and sensor; the mechanical impedance of the porous sample is deduced from the measurement of the electrical impedance of the transducer. The loss factor and the Young's modulus of the porous material are estimated by inverse method based on the Biot's model. Experimental results obtained with a polymer foam show the validity of the method in comparison with quasistatic method. The frequency limit has been extended from 100 Hz to 500 Hz. The sensitivity of each input parameter is estimated in order to point out the limitations of the method.

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)0,000
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 enseignants0,032
Score d'incertitude au seuil0,293

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0000,000

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 Opus0,044
Tête enseignante GPT0,264
Écart entre enseignants0,220 · 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

Citations8
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetAcoustic Wave Phenomena ResearchTravaux en français237 207