MétaCan
Menu
Retour à la cohorte
Enregistrement W2057817527 · doi:10.1002/prep.200390018

Hazard Characterization of Aluminum Nanopowder Compositions

2003· article· en· W2057817527 sur OpenAlexaff
D. E. G. Jones, Richard Turcotte, R. C. Fouchard, Q. S. M. Kwok, Anne‐Marie Turcotte, Zainab Abdel‐Qader

Notice bibliographique

RevuePropellants Explosives Pyrotechnics · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergetic Materials and Combustion
Établissements canadiensCanadian Nuclear Laboratories
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceOutgassingCoatingAnalytical Chemistry (journal)AluminiumThermal stabilityChemical engineeringMetallurgyComposite materialChemistryEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The thermal behaviour in air of two Al nanopowders, Alss and Alsstef, a Teflon coated version of Alss, was determined using DSC, TG‐DTA and accelerating rate calorimetry (ARC). Compared to two larger Al nanopowders, for which hazards results have been reported, Alss and Alsstef are less reactive in air, possibly due to the nature of the passivating and coating layers. The stability of Alss and Alsstef in a wet environment was also investigated using ARC. Alss is very reactive with water, which could lead to a problem of aging in a humid atmosphere. The ”coating” of Alsstef significantly reduces the reactivity of Alss with water. Outgassing behaviour of mixtures of ADN, GAP and various Al powders was investigated using TG‐DTA‐FTIR‐MS. No chemical interactions were observed between ADN/Al, GAP/Al and ADN/GAP. The effect of the addition of Al nanopowders on the thermal decomposition of ADN and GAP was studied using ARC. Al nanopowders had a minor effect on the thermal stability of ADN, while the addition of Alss and Alsstef lowered the onset temperature of GAP. The electrostatic discharge (ESD), impact and friction sensitivities of Al nanopowders and their mixtures with ADN and GAP were also determined. Al nanopowders appear to sensitize ADN to ESD, impact and friction.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,189
Écart entre enseignants0,179 · 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

Citations59
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePropellants Explosives PyrotechnicsMême sujetEnergetic Materials and CombustionTravaux en français237 207