Processing of thermoplastic matrix composites through automated fiber placement and tape laying methods
Notice bibliographique
Résumé
Fiber-reinforced composite materials are replacing metallic components due to their higher specific strength and stiffness. Automation and thermoplastics emerged to overcome the time and labor intensive manual techniques and the long curing cycles associated with processing thermoset-based composites. Thermoplastics are processed through fusion bonding which involves applying heat and pressure at the interface. Together with automated techniques (such as automated fiber placement, and automated tape laying), a fast, clean, out-of-autoclave, and automated process can be obtained. A detailed review of thermoplastic composites processing through automated methods is presented. It sheds the light on the materials used and the different heat sources incorporated with the pros and cons of each, with concentration mainly on hot gas torch, laser, and ultrasonic heating. A thorough illustration of the several mechanisms involved in a tow/tape placement process is tackled such as heat transfer, intimate contact development, molecular interdiffusion, void consolidation and growth, thermal degradation, crystallization, and so on. Few gaps and recommendations are included related to materials, laser heat source, heat transfer model, and the use of silicone rubber rollers. A review of optimization studies for tape placement processes is summarized including the main controllable variables and product quality parameters (or responses), with some of the major findings for laser and hot gas torch systems being presented. Both mechanical and physical characterizations are also reviewed including several testing techniques such as short beam shear, double cantilever beam, lap shear, wedge peel, differential scanning calorimetry, and so on. Challenges, however, still exist, such as achieving the autoclave-level mechanical properties and complying with the porosity levels required by the aerospace industry. More work is still necessary to overcome these challenges as well as increase the throughput of the process before it can be totally commercialized.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».