MétaCan
Menu
Retour à la cohorte
Enregistrement W2900995640 · doi:10.1115/smasis2018-8209

Static and Dynamic Characterization of Magnetorheological Elastomers Under Shear Mode Operation

2018· article· en· W2900995640 sur OpenAlexaff
Ashkan Dargahi, Ramin Sedaghati, Subhash Rakheja

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialMagnetorheological fluidShear modulusElastomerShear (geology)Magnetorheological elastomerVolume fractionShear stressDynamic mechanical analysisPure shearSimple shearMagnetic fieldPolymerPhysics

Résumé

récupéré en direct d'OpenAlex

Static and dynamic properties of six magnetorheological elastomers (MRE) with iron particles volume fraction ranging from 12.5% to 40% were experimentally characterized under shear mode operation. The experiments were designed on the basis of standardized methods defined in ISO-1827 and ISO-4664. The static shear stress-shear strain data obtained under strains up to 30% were used to quantify absolute and relative MR effects of the MREs as functions of magnetic flux density in the 0 to 450 mT range. The MRE specimen with highest iron particles fraction and a softening agent revealed greatest MR effect. The dynamic characteristics of this MRE specimen were then evaluated under harmonic excitations in the 0.1–50 Hz frequency range with shear strain amplitude and magnetic flux density ranging from 2.5 to 20%, and 0 to 450 mT, respectively. The data were then utilized to evaluate elastic and loss shear moduli of the specimen.

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 enseignants0,969
Score d'incertitude au seuil0,682

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 GPT0,216
Écart entre enseignants0,210 · 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'admission1
Résumé présentoui

Explorer davantage

Même sujetVibration Control and Rheological FluidsTravaux en français237 207