MétaCan
Menu
Retour à la cohorte
Enregistrement W2485523416 · doi:10.1017/jfm.2016.475

Apparent yield stress in rigid fibre suspensions: the role of attractive colloidal interactions

2016· article· en· W2485523416 sur OpenAlexfundno aff
Sihem Bounoua, Julien Férec, Gilles Ausias, A. Yu. Zubarev, Pavel Kuzhir

Notice bibliographique

RevueJournal of Fluid Mechanics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueComposite Material Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesPolytechnique Montréal
Mots-clésvan der Waals forceUnicodeShear (geology)Shear stressVolume fractionMaterials scienceYield (engineering)Power lawParticle (ecology)MechanicsPhysicsThermodynamicsComposite materialMathematicsGeologyQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

This work is focused on the modelling of the shear and normal stresses in fibre suspensions that are subjected to a simple shear flow in the presence of short-range lubrication forces, van der Waals and electrostatic forces, as well as solid friction forces between fibres. All of these forces are weighed by the contact probability. The theory is developed for attractive fibres with van der Waals interaction dominating over electrostatic repulsion. The model predicts a simple Bingham law for both the shear stress and the first normal stress difference, with the apparent shear and normal yield stresses proportional to the second and the third power of the particle volume fraction respectively. The model is applied to the experimental data of Rakatekar et al. ( Adv. Mater. , vol. 21, 2009, pp. 874–878) and Natale et al. ( AIChE J. , vol. 60, 2014, pp. 1476–1487) on suspensions of carbon nanotubes dispersed in a Newtonian epoxy resin. It reproduces well the quadratic dependence of the apparent yield stress on the particle volume fraction $(\unicode[STIX]{x1D70E}_{Y}\propto \unicode[STIX]{x1D719}^{2})$ for average particle aspect ratios of $r=160$ and 1200, while it underpredicts the power-law exponent for $r=80$ (always predicting $\unicode[STIX]{x1D719}^{2}$ behaviour instead of $\unicode[STIX]{x1D719}^{3.2}$ ).

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 enseignants0,013
Score d'incertitude au seuil0,346

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 Opus0,011
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluid MechanicsMême sujetComposite Material MechanicsTravaux en français237 207