Stochastic Finite Element Modelling of Char Forming Filler Addition and Alignment – Effects on Heat Conduction into Polymer Condensed Phase
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Micro- and nano-filler particles have been considered as char-forming flame retardants for polymers. It has been shown that suitable particles may operate in the condensed phase to prevent or delay the escape of fuel into the gas phase. Good flame retardancy performance may be achieved in composites with comparatively low filler loadings. However, many candidate filler materials, such as rod-like and plate-like carbon allotrope fillers with high aspect ratio, will effectively enhance the composite’s thermal conductivity, and hence, may greatly increase heat input into the condensed phase. Moreover, anisotropy in terms of thermal conductivity must be considered when rod-like and plate-like particles are aligned, for example as a result of manufacturing processes. The presented study investigates these effects, i.e., thermal conductivity enhancement due to filler addition and alignment, using a modeling framework based on Monte Carlo simulation that was developed for predicting effective composite properties considering filler-matrix and particle-to-particle interfacial effects. A stochastic finite element analysis was performed to model rod-shaped carbon particles embedded in a polymer matrix. The chosen analysis is demonstrated to be an effective means for elucidating the effect of filler addition and alignment on the heat conduction into polymer materials containing fillers as char-forming flame retardants.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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