MétaCan
Menu
Retour à la cohorte
Enregistrement W2811282151 · doi:10.1063/1.5044833

Spall strength measurements in EPON 828 epoxy and an epoxy/carbon nanotube composite

2018· article· en· W2811282151 sur OpenAlexafffund
Jonathan E. Pepper, Justin Huneault, Meysam Rahmat, Oren E. Petel

Notice bibliographique

RevueAIP conference proceedings · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh-Velocity Impact and Material Behavior
Établissements canadiensNational Research Council CanadaMcGill UniversityCarleton University
Organismes subventionnairesNational Research Council Canada
Mots-clésMaterials scienceSpallEpoxyComposite materialComposite numberCarbon nanotubeUltimate tensile strengthNanocompositeMicrostructureSpallation

Résumé

récupéré en direct d'OpenAlex

Polymer nanocomposites are seeing more frequent use in armor applications. The role of the microstructure on the performance of these materials under dynamic tensile loading is of particular interest. In the present study, plate impact experiments were conducted in order to observe the dynamic response of a neat epoxy (EPON 828) and an epoxy/carbon nanotube composite. The objective was to examine the effect of nano-scale particle inclusions on the spall strength of the composite. The material response was resolved with the combined use of shock pins and a multi-channel photonic Doppler velocimeter. The addition of raw carbon nanotubes (CNT) to epoxy resulted in a composite material with lower spall strengths compared to strengths measured for neat epoxy at elevated shock stresses. Tensile strain rate was found to have the greatest effect on spall strength. Recovered composite fragments were imaged with a scanning electron microscope. Instances of nanotube pull-out were identified on internal fracture surfaces. The low spall strengths of the epoxy/CNT composite were attributed to an increase in the density of potential nucleation sites for spallation caused by presence of the nanotubes in the matrix.

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 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 enseignants0,024
Score d'incertitude au seuil1,000

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 savante0,0010,001
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 Opus0,053
Tête enseignante GPT0,299
Écart entre enseignants0,246 · 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

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetHigh-Velocity Impact and Material BehaviorTravaux en français237 207