MétaCan
Menu
Retour à la cohorte
Enregistrement W2109520129 · doi:10.3968/j.ans.1715787020110402.l700

Optimization of Curing Process for Carbon Fiberpreparation from Wood-Phenol Liquefaction Product

2011· article· en· W2109520129 sur OpenAlexvenueno aff
Zhigao Liu, Fang Ding, Zhaoyun Wu, Qiuhui Zhang

Notice bibliographique

RevueAdvances in natural science/Advances in natural sciences · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueFiber-reinforced polymer composites
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCuring (chemistry)Hydrochloric acidMaterials sciencePhenolComposite materialCrystallinityChemical engineeringChemistryOrganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

In this study, China fir was liquefied in phenol, and liquefactionproduct was used to produce carbon fiber precursors by curing process. The effect of heating rate, curing temperature, curing time and hydrochloric acid concentration on curing processwas investigated by orthogonal experimentsin term of the crystallinityof carbon fiber precursors produced.According to experiment results, the primary and secondary relation of the four variables is: curing time>curing temperature>hydrochloric acid concentration >heating rate. The optimal conditions of curing technology are as follow: heating rate of 15 °C/h, curing temperature of 90 °C, curing time of 2 h with hydrochloric acid concentration of 18.5%. Using the optimal conditions, carbon fiber precursors could obtain the highest crystallinity of 36.96%. Key words: Carbon fiber precursors; Curing; Crystallinity; Liquefaction; Phenol

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,387
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,008
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,277
Écart entre enseignants0,267 · 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.

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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in natural science/Advances in natural sciencesMême sujetFiber-reinforced polymer compositesTravaux en français237 207