MétaCan
Menu
Retour à la cohorte
Enregistrement W3009934485

Moisture Effect on Properties of Out-of-Autoclave Laminates with Different Void Content

2020· article· en· W3009934485 sur OpenAlexfundno aff
Afshin Bayatpour, Mehdi Hojjati

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Behavior of Composites
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceComposite materialVoid (composites)MoistureAutoclaveWater contentFabricationComposite numberMetallurgy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Fabrication of large structures using out-of-autoclave prepreg materials will lead to a great amount of savings in manufacturing costs. In the out-of-autoclave processing method, the presence of voids inside the laminate has been an issue due to the lack of high pressure during manufacturing. This study aims primarily to observe the moisture absorption response of composite samples containing different levels of void. By changing the vacuum level inside the bag during the manufacturing process, three different unidirectional laminates at three levels of void have been manufactured. After immersing the samples in warm water at 60°C for about one year, the moisture absorption level was monitored and then diffusion coefficients were calculated using Fick’s law. Results show that the moisture absorption coefficient changes by %8 within the experimental range of void contents. The mechanical behaviour of these laminates has been studied at four different moisture levels by performing dynamic mechanical analysis (DMA) and short beam shear tests. Empirical results indicate that, in general, interlaminar shear strength and glass transition temperature decrease by moisture build-up inside the samples. DiBenedetto equation is proposed to make a correlation between the moisture content and glass transition temperature.

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 Opus0,046
Tête enseignante GPT0,237
Écart entre enseignants0,191 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrum Research Repository (Concordia University)Même sujetMechanical Behavior of CompositesTravaux en français237 207