MétaCan
Menu
Retour à la cohorte
Enregistrement W2888603924 · doi:10.1177/0021998318796177

Characterization of aluminum/alumina/TiC hybrid composites in 3D produced by anodizing and accumulating roll bonding process using synchrotron radiation tomography

2018· article· en· W2888603924 sur OpenAlexaffabout
K.M. Mostafijur Rahman, Jerzy A. Szpunar, Mohammad Reza Toroghinejad, George Belev

Notice bibliographique

RevueJournal of Composite Materials · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialAccumulative roll bondingComposite numberSynchrotron radiationToughnessAluminiumHomogeneity (statistics)Optics

Résumé

récupéré en direct d'OpenAlex

Hybrid composites of Al/Al 2 O 3 /TiC were produced by anodizing and accumulative roll bonding processes. We implemented 3D imaging of the composites using synchrotron radiation tomography at Biomedical Imaging and Therapy’s 05B1-1 beamline at Canadian Light Source to collect information on internal structure of these hybrid composites i.e. distribution of particles and voids, particle/matrix interface and surface area distribution after different accumulative roll bonding passes. The volume and interface surface area distribution are responsible for strength and toughness of the composites along with other factors such as strain hardening and formation of ultrafine grains. We found that the mechanical properties improved as the number of accumulative roll bonding passes increases and the internal homogeneity of structure also improved. The composites after different accumulative roll bonding passes are studied where the number of reinforced particles and voids and their shape and size distribution were accurately being quantified in 3D to relate with mechanical properties of the composite. Such information should be of importance in analysis and improvement of the manufacturing process of these types of composites.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,235
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Composite MaterialsMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207