MétaCan
Menu
Retour à la cohorte
Enregistrement W2891202477 · doi:10.3389/fchem.2018.00465

Combustion Characteristics of Physically Mixed 40 nm Aluminum/Copper Oxide Nanothermites Using Laser Ignition

2018· article· en· W2891202477 sur OpenAlexafffund
Florin Saceleanu, Mahmoud Idir, Nabiha Chaumeix, John Z. Wen

Notice bibliographique

RevueFrontiers in Chemistry · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergetic Materials and Combustion
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and Science
Mots-clésIgnition systemMaterials scienceCombustionLaser ignitionPelletsCopperPorosityAluminiumAnalytical Chemistry (journal)LaserHeat transferOxideAutoignition temperatureHomogeneity (statistics)Composite materialMetallurgyOpticsMechanicsThermodynamicsChemistry

Résumé

récupéré en direct d'OpenAlex

This paper reports on the ignition and flame propagation characteristics of aluminum/copper oxide (Al/CuO) nanothermite at different packing density, manufactured from 40 nm commercial Al and CuO nanopowders. A 3.5 W continuous wave laser was used to ignite the samples in argon at atmospheric pressure, and a high speed camera captured the flame propagation. The high speed images revealed that the fast laser heating creates significant material ablation, followed by heat transfer along the heated surface. The bulk ignition occurs near the edge of the top surface, followed by the self-sustained burning. Lightly pressed powders (90% porosity) ignited in ~0.1 ms and the burning front propagated at around 200 m/s, while the dense pellets (40-60% porosity) ignited in ~1 ms and the burning front propagated at around 10 m/s. These results indicate that the reaction mechanism changes from mass convection to heat diffusion with increasing the packing density. The ignition and burn speeds of these Al/CuO nanothermites at different equivalence ratios (ERs), along with SEM images of pre- and post-combustion, illustrate that the homogeneity of the mixture is a critical parameter for optimizing the performance. The Al rich mixtures show significantly lower ignition delays and higher burn speeds.

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 enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0010,000
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 Opus0,007
Tête enseignante GPT0,195
Écart entre enseignants0,188 · 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

Citations69
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in ChemistryMême sujetEnergetic Materials and CombustionTravaux en français237 207