MétaCan
Menu
Retour à la cohorte
Enregistrement W2611091256

A macroscopic model for the impregnation process of composite material by a concentrated suspension

2021· preprint· en· W2611091256 sur OpenAlexaff
Kévin Dugois, Stéphane P. Vincent, Didier Lasseux, Éric Arquis, Cédric Descamps

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2021
Typepreprint
Langueen
DomaineChemistry
ThématiqueElectrostatics and Colloid Interactions
Établissements canadiensSafran Electronics (Canada)
Organismes subventionnairesnon disponible
Mots-clésSuspension (topology)Materials scienceFiltration (mathematics)Volume fractionMicrofiltrationPorous mediumPorosityComposite materialComposite numberMechanicsMembraneChemistryPhysicsMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In order to improve thermal, mechanical behavior and weight of our turbine blades, we need to use a new composite material. The manufacturing process to obtain this composite is intricate and requires a fluid densification process consisted of two parts. Firstly, particles are introduced in the reinforcement thanks to a pressure-driven flow, where they're retained by a filtration membrane. By reducing porosity, we improve the capillarity infiltration of a melted metal which can react with particles (second part). In this present study, we carry out a model that can describe physics of particles' introduction in our material. Given that we wanted to simulate flow at fibers scale and considering average particles' size is about a micrometer, we decided to use the volume fraction of particles Φ to describe our colloidal suspension. Thus, suspension flow can be resolved with the Navier-Stokes equations of mass and momentum conservation. To evaluate the particle's concentration field, a diffusion equation is introduced. Originally developed by Leighton et al [1], then improved by Phillips et al [2] this equation describes the migration of particles in a sheared flow. At last, the viscosity dependence of volume fraction is given by Krieger [3]: μ (Φ)= (1−Φ /Φ max) η Φ max Due to the filtration membrane presence, our process is similar to the dead-end filtration developed in microfiltration process [4]. Thus, we easily observe the sieving mechanism with formation of a growing cake that can be seen as a porous media. In the cake, our model describes a macroscopic flow of aqueous fluid in a porous media composed of rigid spheres. Microfiltration process can also provide theoretical law over temporal evolution of the cake-layer thickness. Before testing our model over realistic geometries, it was evaluated with experiments [5]. Then, our work consisted of two parts: 2D parametric studies and strong 3D simulations over RVE. References [1] Leighton, D. and Acrivos, A. (1987). The shear-induced migration of particles in concentrated suspensions.

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)0,001
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 enseignants0,369
Score d'incertitude au seuil0,884

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 GPT0,256
Écart entre enseignants0,245 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetElectrostatics and Colloid InteractionsTravaux en français237 207