MétaCan
Menu
Retour à la cohorte
Enregistrement W2587768939 · doi:10.1002/mawe.201700547

Tribological properties of ultra‐high molecular weight polyethylene (UHMWPE) filled with copper micro‐powder

2017· article· en· W2587768939 sur OpenAlexaff
Yunhai Ma, H. Wang, Bharat Bhushan, Gheorghe Pei, Jin Tong, Carlo Menon

Notice bibliographique

RevueMaterialwissenschaft und Werkstofftechnik · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopaedic implants and arthroplasty
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMaterials scienceScanning electron microscopeUltra-high-molecular-weight polyethyleneTribologyUltimate tensile strengthCopperComposite materialComposite numberPolyethyleneMetallurgy

Résumé

récupéré en direct d'OpenAlex

This paper investigates the tribological properties of ultra‐high molecular weight polyethylene (UHMWPE) filled with copper micro‐powder (CMP). The fabrication and testing procedures implemented to characterize strength and wear properties of the composite are discussed. The effect of copper micro‐powder concentration on tensile strength, elongation at break, impact resistance, coefficient of friction, and wear resistance of the composite is investigated. Results show that copper micro‐powder concentration of 1 wt% yields the optimal combination of wear resistance and tensile strength of the composite. A morphological analysis based on scanning electron microscope (SEM) images of the copper micro‐powder‐ultra‐high molecular weight polyethylene specimens is also discussed. The presence of ridges and plaques on the specimens, analyzed after the sliding wear tests, is attributed to fatigue and adhesion mechanisms. Investigations performed by using an electron probe micro‐analyzer provide evidence that the detachment of copper micro‐powder particles from the matrix during sliding wear tests creates a lubricating layer that drastically decreases the coefficient of friction of the composite and improves its wear resistance properties.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,022
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,012
Tête enseignante GPT0,244
Écart entre enseignants0,232 · 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'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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialwissenschaft und WerkstofftechnikMême sujetOrthopaedic implants and arthroplastyTravaux en français237 207