MétaCan
Menu
Retour à la cohorte

Modelling of SiC-Matrix Composite Formation by Thermal Gradient Chemical Vapour Infiltration

2004· article· en· W2016311735 sur OpenAlexaff
В. И. Кулик, A.V. Kulik, M.S. Ramm, Yuri Makarov

Notice bibliographique

RevueMaterials science forum · 2004
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced ceramic materials synthesis
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésChemical vapor infiltrationMaterials scienceComposite numberInfiltration (HVAC)Composite materialThermalTemperature gradientMatrix (chemical analysis)Thermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract. Mechanical properties of ceramics can be dramatically improved by embedding a reinforcement phase (particles, whiskers, or fibres), i.e. producing a Ceramic-Matrix Composite (CMC). An advanced technique for manufacturing the CMC is Chemical Vapour Infiltration (CVI). In this paper, we developed a 1D model describing the Thermal Gradient Chemical Vapour Infiltration (TG CVI) for a formation of a composite with the silicon carbide (SiC) matrix from methyltrichlorsilane (MTS). Within the model, the fibrous substrate (preform) is considered as a complex porous medium with two systems of parallel non-uniformly scaled pores oriented along the preform thickness. Longitudinal convection in the process is governed by the phase transitions due to the matrix material deposition. To allow for the mass exchange between the pore systems, transverse diffusion and convection are accounted for in the model. We analysed the influence of the TG CVI operating conditions, namely the precursor (MTS) concentration in the ambient gas, the pressure in the reactor, the susceptor temperature, and the temperature gradient in the preform on the quality of the composite and the process duration.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,241
Écart entre enseignants0,228 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetAdvanced ceramic materials synthesisTravaux en français237 207