MétaCan
Menu
Retour à la cohorte
Enregistrement W2159741342 · doi:10.5897/jmer12.025

Finite element modeling and analysis of zigzag and armchair type single wall carbon nanotube

2012· article· en· W2159741342 sur OpenAlexvenueno aff
Suraj Prabhu, Shubrajit Bhaumik, B. K. Vinayagam

Notice bibliographique

RevueMechanical Engineering Research · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésZigzagCarbon nanotubeMaterials scienceFinite element methodModulusComposite materialStiffnessCarbon fibersWork (physics)Space frameCarbon nanotube metal matrix compositesStructural engineeringNanotubeComposite numberMechanical engineeringGeometryEngineering

Résumé

récupéré en direct d'OpenAlex

A carbon nanotube (CNT) possesses superior mechanical, electrical and optical properties. The stiffness and flexibility is much higher than those of conventional fibers. Various investigators have carried out various experiments as well as theoretical analysis which show that the carbon nanotubes possess superior mechanical properties. The model development in this work is based on the assumption that carbon nanotubes, when subjected to loading, behave like space-frame structures. The bonds between carbon atoms are considered as connecting load-carrying members, while the carbon atoms as joints of the members. To create the finite element (FE) models, nodes are placed at the locations of carbon atoms and the bonds between them are modeled using ANSYS spring element. The present work predicts the Young’s modulus variation with respect to different wall thickness. The compiled result shows the Young’s modulus variation as well as the comparison of zigzag and armchair type of carbon nanotube due to different loading conditions. The results would act as a useful tool for developing new nano composites.

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)0,001
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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
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 Opus0,052
Tête enseignante GPT0,309
Écart entre enseignants0,257 · 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

Citations13
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMechanical Engineering ResearchMême sujetCarbon Nanotubes in CompositesTravaux en français237 207