MétaCan
Menu
Retour à la cohorte
Enregistrement W2901348385 · doi:10.22401/anjs.00.1.06

Erosion Wear and Hardness of Glass Fiber / Epoxy with Nano and Micro TiO2 Hybride Composites

2018· article· en· W2901348385 sur OpenAlexaff
Aseel Basim Al-Zubaidi, Ahmed A. Al‐Tabbakh, Shatha Riyad Ahmed, Amine Achour

Notice bibliographique

RevueJournal of Al-Nahrain University-Science · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueErosion and Abrasive Machining
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialScanning electron microscopeAbrasiveEpoxyComposite numberVolume fractionNano-Glass fiberFiberTitanium dioxideParticle (ecology)Particle sizeShore durometer

Résumé

récupéré en direct d'OpenAlex

The objective of this research is to prepare and study (Glass Fiber / Epoxy) with nano and micro Titanium dioxide (TiO2) composites with different volume percentage of nano and micro TiO2 powder of 2%, 4%, and 6% volume fraction. Atomic force microscopy techniques was used to measure the grain size of nano TiO2 powder (average diameter was 46 nm) and particle size analyzer techniques was used. Erosive wear behavior of this composite under three different impingement angles of 30°, 60° and 90° and three angular silica sand abrasive particle sizes approximately 425, 600 and 850 μm and hardness (shore D) were studied. In general the erosion wear of micro composites have lower erosion resistance than other nano-based compounds. Erosion resistance increase as the volume fraction increase. Nano composites of GF / EP with TiO2 have many advantages over micro composites from the view point of wear and hardness tests. The worn surface features of unfilled and filled G-E composites were examined using scanning electron microscopy (SEM) and results indicates more severe damage to matrix and glass fiber in unfilled composite system as compared to TiO2 filled composites.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,464
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,205
Écart entre enseignants0,200 · 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'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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Al-Nahrain University-ScienceMême sujetErosion and Abrasive MachiningTravaux en français237 207