MétaCan
Menu
Retour à la cohorte
Enregistrement W2911150292 · doi:10.1177/0021998318822708

Fabrication and experimental evaluation of vibration and damping in multiscale graphene/fiberglass/epoxy composites

2019· article· en· W2911150292 sur OpenAlexaff
Mohammad Rafiee, Fred Nitzsche, Michel R. Labrosse

Notice bibliographique

RevueJournal of Composite Materials · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Wear Analysis
Établissements canadiensCarleton UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialEpoxyGrapheneVibrationNanocompositeCarbon nanotubeNanoparticleNatural frequencyOxideNanotechnologyAcoustics

Résumé

récupéré en direct d'OpenAlex

In this paper, the vibration and damping properties of multiscale laminated fiberglass/epoxy composites modified with a wide range of carbon nanofillers, including multiwalled carbon nanotubes, graphene oxide, reduced-graphene oxide and graphene nanoplatelets were examined for use in structural vibration applications. Simultaneous reinforcement of matrix and fibers was carried out via a novel method that combines a nanoparticle spraying process with nanoparticle/epoxy mixture to incorporate nanoparticles for the enhancement of vibration and damping properties of multiscale laminated fiberglass/epoxy composites. The vibration and damping properties as well as morphological, mechanical properties of the glass fiber-reinforced multiscale composites were investigated. Using a forced vibration technique, the frequency-response functions, natural frequencies and damping ratios of the nanocomposites were measured. The experimental results revealed that the damped natural frequencies of the nanocomposites increased with an increase in nanoparticle concentration. However, at higher contents of nanoparticles, the damped natural frequencies decreased and the damping ratio increased.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,010
Tête enseignante GPT0,250
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), 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

Citations46
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Composite MaterialsMême sujetTribology and Wear AnalysisTravaux en français237 207