MétaCan
Menu
Retour à la cohorte
Enregistrement W2025027270 · doi:10.1088/1742-6596/278/1/012044

Adhesive bond strength evaluation in composite materials by laser-generated high amplitude ultrasound

2011· article· en· W2025027270 sur OpenAlexaff
Mathieu Perton, Alain Blouin, J.‐P. Monchalin

Notice bibliographique

RevueJournal of Physics Conference Series · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensNational Research Council Canada
Organismes subventionnairesCentre National de la Recherche Scientifique
Mots-clésMaterials scienceAdhesiveBond strengthComposite materialUltrasonic sensorLaserDelamination (geology)Ultimate tensile strengthComposite numberComposite laminatesStress (linguistics)Ultrasonic testingAmplitudeReflection (computer programming)OpticsAcoustics

Résumé

récupéré en direct d'OpenAlex

Adhesive bonding of composites laminates is highly efficient but is not used for joining primary aircraft structures, since there is presently no nondestructive inspection technique to ensure the quality of the bond. We are developing a technique based on the propagation of high amplitude ultrasonic waves to evaluate the adhesive bond strength. Large amplitude compression waves are generated by a short pulse powerful laser under water confinement and are converted after reflection by the assembly back surface into tensile waves. The resulting tensile stresses can cause a delamination inside the laminates or at the bond interfaces. The adhesion strength is evaluated by increasing the laser pulse energy until disbond. A good bond is unaffected by a certain level of stress whereas a weaker one is damaged. The method is shown completely non invasive throughout the whole composite assembly. The sample back surface velocity is measured by an optical interferometer and used to estimate stress history inside the sample. The depth and size of the disbonds are revealed by a post-test inspection by the well established laser-ultrasonic technique. Experimental results show that the proposed method is able to differentiate weak bond from strong bonds and to estimate quantitatively their bond strength.

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)0,000
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 enseignants0,022
Score d'incertitude au seuil0,737

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
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 Opus0,028
Tête enseignante GPT0,241
Écart entre enseignants0,213 · 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

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetLaser Material Processing TechniquesTravaux en français237 207