MétaCan
Menu
Retour à la cohorte
Enregistrement W2899873836 · doi:10.1088/1361-665x/aaefcd

Interlaminar prestressing reinforcement of epoxy/glass fiber composites

2018· article· en· W2899873836 sur OpenAlexafffund
Eric S. Kim, Dryver R. Huston, Patrick Lee

Notice bibliographique

RevueSmart Materials and Structures · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Behavior of Composites
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto
Mots-clésComposite materialEpoxyMaterials scienceReinforcementGlass fiberFiberComposite epoxy material

Résumé

récupéré en direct d'OpenAlex

Abstract This paper describes an innovative through-thickness fiber reinforcement technology that employs in situ shrinking fibers to provide supplemental strength-enhancing interlaminar prestresses for fiber-reinforced polymeric laminate structures. Interlaminar stitched fibers shrink and provide prestress. The shrinkage is heat-activated and timed to coincide with epoxy-curing steps. This new technology includes the design and fabrication of in situ shrinking fibers to improve the peel strength of epoxy/glass fiber composite layers. The epoxy specimens were shrink-reinforced under four different conditions; the fibers were activated when the epoxy matrix was cured for 4, 12, and 20 h, or without having any curing time beforehand. Then, the peel strengths and flexural strengths were compared. Also, in-plane tensile tests were conducted under identical conditions to investigate whether the through-thickness shrinking fibers affect the in-plane properties. The results indicated that the maximum improvement from the fiber activation was shown when the epoxy was cured for 4 h, while there was no significant effect from the in-plane tensile test.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,915

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 Opus0,010
Tête enseignante GPT0,228
Écart entre enseignants0,218 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetMechanical Behavior of CompositesTravaux en français237 207