MétaCan
Menu
Retour à la cohorte
Enregistrement W2900681419 · doi:10.25071/10315/35429

High Strain-Rate Behavior Of Mechanoluminescent Material Dispersed In A Soft Polymer Matrix

2018· article· en· W2900681419 sur OpenAlexafffund
Chukwubuikem Johnson Omeziri, Aleksander Czekanski

Notice bibliographique

RevueProgress in Canadian Mechanical Engineering · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensYork University
Organismes subventionnairesYork University
Mots-clésMaterials scienceComposite materialPolymerMatrix (chemical analysis)Strain rate

Résumé

récupéré en direct d'OpenAlex

is the emission of light from a solid material in response to mechanical stimuli Mechanoluminescent materials are classified based on the types of stress activation required for luminescence behaviour. In this paper, we propose the study of light emission characteristics of an elastico-mechanoluminescent (EML) material dispersed in a soft polymer matrix, under high-strain compressive loading for a qualitative and quantitative testing of onsite strain. We developed a strain sensor by creating a composite material through the combination of a polydimethylsiloxane (PDMS) matrix structure and strontium aluminate, europium, and dysprosium doped (SAOED) crystals. SAOED crystals possess a strong luminescence behavior, which has led to their proliferation as a viable optical sensor. Composite materials were tested using a modified Kolsky bar and high-speed camera. The light-emitting characteristics of the SAOED crystals in response to mechanical stimuli allows for the quantification of stress-strain experienced by the composite material. The light intensity, which is measured by a complementary metal-oxide-semiconductor (CMOS) sensor in a high-speed digital camera, provides a quantitative measure of the strain-rate. Light-emitting characteristics of the EML material and the strain behavior of the material were studied.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,818
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,006
Tête enseignante GPT0,234
Écart entre enseignants0,228 · 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'étudeThéorique ou conceptuel
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 revueProgress in Canadian Mechanical EngineeringMême sujetMechanical and Optical ResonatorsTravaux en français237 207