MétaCan
Menu
Retour à la cohorte
Enregistrement W2608591069 · doi:10.1177/0731684417707585

Flow-control and hybridization strategies for thermoplastic stiffened panels of long discontinuous fibers

2017· article· en· W2608591069 sur OpenAlexaff
Swaroop B Visweswaraiah, Nicolas Ohlmann, Larry Lessard, Pascal Hubert

Notice bibliographique

RevueJournal of Reinforced Plastics and Composites · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Behavior of Composites
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésWavinessMaterials scienceFlangeFinite element methodComposite materialReinforcementDelamination (geology)Flow (mathematics)Flow control (data)Structural engineeringComputer scienceEngineeringMechanics

Résumé

récupéré en direct d'OpenAlex

The current research aims at mitigating the flow-induced manufacturing issues (strand waviness and swirling of strands) encountered in complex parts of randomly oriented strands, through the hybridization of randomly oriented strands with continuous fibers, while emphasizing the ease of manufacturing and repeatability. Three hybridization strategies are proposed for T-stiffeners that represent the generalized intersecting junctions of stiffened panels. The strategies include: flow-control element, flange reinforcements, and rib reinforcements. A quantitative assessment of pull-out strengths of five T-stiffener configurations is made. Flow-control element improves the strand flow at the junction, reduces variability, and enhances the pull-out b-basis design allowable by about 24%. A quasi-isotropic laminate as flange reinforcement with a flow-control element produces 12.5% pull-out strength improvement. Rib reinforcement causes reinforcement delamination from the randomly oriented strands part, dropping pull-out strength by about 6%. A transient heat transfer analysis of the tooling set-up was simulated using finite elements to devise a preferential cooling strategy that minimizes porosity in randomly oriented strands panels with T-stiffeners.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,513

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 Opus0,009
Tête enseignante GPT0,219
Écart entre enseignants0,210 · 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'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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Reinforced Plastics and CompositesMême sujetMechanical Behavior of CompositesTravaux en français237 207