MétaCan
Menu
Retour à la cohorte
Enregistrement W2889153009 · doi:10.1088/1361-665x/aaddbf

Scaling magneto-rheology based on Newtonian and non-Newtonian host fluids

2018· article· en· W2889153009 sur OpenAlexaff
Wenpeng Jia, Lei Shan, Yonggang Meng, Yu Tian

Notice bibliographique

RevueSmart Materials and Structures · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésNon-Newtonian fluidRheologyNewtonian fluidScalingGeneralized Newtonian fluidMagnetoMaterials scienceMechanicsPhysicsThermodynamicsComposite materialMathematicsShear rateGeometryPower (physics)

Résumé

récupéré en direct d'OpenAlex

Abstract Rheology of a suspension is mainly determined by particle interactions and the host fluid rheology. By scaling rheological properties of different magnetorheological (MR) suspensions prepared with Newtonian and non-Newtonian (including shear thickening and shear thinning) host fluids, the competition between the particle interaction and the host fluid rheology could be clearly revealed. A simple normalizing method by considering the ratio of the magnetic force to viscous force experienced by particles is introduced. The shear stress curves of the three kinds of MR suspensions could be well scaled into the same master curve. The magnetic force maintains the particles structures under magnetic fields, while the viscous force is a destructive factor to the particle structures. Therefore, the magnetic force dominates the rheology of MR suspensions at low shear rates with small viscous force. While as the increase of shear rate to a very high value, particle chain structures under external magnetic fields might get similar to that under zero magnetic field because of the dominant role of the viscous force. This work clearly demonstrates the competition between the particle interaction and the viscous force experienced by particles, which finally dominates the particle structure inside of the MR suspension and its rheological behavior.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil0,867

Scores Codex et Gemma par catégorie

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 Opus0,005
Tête enseignante GPT0,199
Écart entre enseignants0,194 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetVibration Control and Rheological FluidsTravaux en français237 207