MétaCan
Menu
Retour à la cohorte
Enregistrement W2902870636 · doi:10.1139/tcsme-2017-503

MICROSTRUCTURE BASED FINITE ELEMENT ANALYSIS OF PARTICLE FILLED POLYMER COMPOSITE

2017· article· en· W2902870636 sur OpenAlexvenueno aff
Sweety Supriya, J. Selwinrajadurai, P. Anshul

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Wear Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialEpoxyMicrostructureComposite numberScanning electron microscopeRepresentative elementary volumeParticle (ecology)Finite element methodVolume fractionModulusDispersion (optics)MATLABStructural engineeringComputer scienceOptics

Résumé

récupéré en direct d'OpenAlex

Particle filled polymer composites are widely used because of its tailor-made properties and ease of manufacturability. Existing micro mechanical models to characterize heterogeneous material are based on the Representative Volume Element (RVE). The assumptions made in the RVE model, play a crucial role in the exact prediction of effective properties of the composites. In this work, microstructure based RVE is utilized to predict the effective properties of Solid Glass Microsphere (SGM) filled epoxy composite. The Scanning Electron Microscope (SEM) image obtained from the specimens fabricated at different loading fractions is processed in MATLAB. Canny edge detection algorithm is utilized for processing the images. The random dispersion of the particle is exactly modeled in ANSYS from the MATLAB output. The effective Young’s modulus of the SGM filled epoxy composite is determined. The numerically predicted values are compared with the experimental value and analytical models.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,205
Écart entre enseignants0,197 · 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'étudeSimulation ou modélisation
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetTribology and Wear AnalysisTravaux en français237 207