MétaCan
Menu
Retour à la cohorte
Enregistrement W2147172573 · doi:10.1177/1045389x13512908

Wrinkle localization in membrane structures patched with macro-fiber composite actuators: Inflatable space antenna applications

2014· article· en· W2147172573 sur OpenAlexaff
Eric Fleurent-Wilson, Tim E Pollock, Wei-Jiun Su, Dileep Warrier, Armaghan Salehian

Notice bibliographique

RevueJournal of Intelligent Material Systems and Structures · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésInflatableActuatorWrinkleKaptonMembraneFiberMaterials scienceMacroEngineeringStructural engineeringComputer scienceComposite materialElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Kapton membranes have received much attention in the fabrication of space inflatable antenna technology in the recent years. While prized for their light designs, their delicate nature makes them susceptible to various kinds of disturbances in space environments that result in structural vibrations or wrinkle formation. In this regard, macro-fiber composite actuators have been commonly used for vibration control of these membrane structures. However, wrinkle control remains one of the major challenges in their designs. Some of the research in the previous literature has attempted to quantify the wrinkle behavior of these membranes when subject to boundary forces. Yet, in all the previous study, the effects of macro-fiber composite patches, a major compartment of these structures, on their wrinkle formation have been ignored. The presented article studies the effects of these patches on localization of wrinkles and their patterns in Kapton membranes. The numerical results are validated experimentally using photogrammetry techniques. Two membrane configurations are studied: one considers rectangular membranes with clamped-sliding boundary conditions and the other pertains to square membranes with symmetric corner loadings.

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 enseignants0,287
Score d'incertitude au seuil0,570

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 savante0,0000,000
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 Opus0,005
Tête enseignante GPT0,204
Écart entre enseignants0,199 · 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

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intelligent Material Systems and StructuresMême sujetAdvanced Materials and MechanicsTravaux en français237 207