Squeeze-strengthening of magnetorheological fluids (part 1): Effect of geometry and fluid composition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent research has shown that magnetorheological fluid can undergo squeeze-strengthening when flow conditions promote filtration. While a Péclet number has been used to predict filtration in non-magnetic two-phase fluids submitted to slow compression, the approach has yet to be adapted to magnetorheological fluid behavior in order to predict the conditions leading to squeeze-strengthening behavior of magnetorheological fluid. In this article, a Péclet number is derived and adapted to the Bingham rheological model. This Péclet number is then compared to the experimental occurrence of squeeze-strengthening behavior obtained from several squeeze geometries and magnetorheological fluid compositions submitted to pure-squeeze conditions. Results show that the Péclet number well predicts the occurrence of squeeze-strengthening behavior in high-concentration magnetorheological fluid made from various particle sizes and using various squeeze geometries. Moreover, it is shown that squeeze-strengthening occurrence is increased when using annulus geometries or by increasing average particle radius. While lowering concentration increases filtration, tested conditions only led to squeeze-strengthening behavior after concentration had increased close to packing limit. Altogether, results suggest that the Péclet number derived in this study can be used to predict the occurrence of squeeze-strengthening for various magnetorheological fluids and squeeze geometries using the well-known rheological properties of magnetorheological fluids.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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