MétaCan
Menu
Retour à la cohorte
Enregistrement W3047151411 · doi:10.1177/1045389x20947167

Tuning the hygro-mechanical response of paper-based systems using glycerol

2020· article· en· W3047151411 sur OpenAlexaff
Isaías Cueva-Pérez, Roque A. Osornio‐Rios, Aurelio Domínguez-González, Ion Stiharu, Ángel Pérez-Cruz

Notice bibliographique

RevueJournal of Intelligent Material Systems and Structures · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensConcordia University
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésCantileverFlexibility (engineering)StiffnessFrequency responseMaterials scienceMechanical systemWork (physics)Microelectromechanical systemsBeam (structure)Resonance (particle physics)Mechanical engineeringEngineeringStructural engineeringNanotechnologyComposite materialElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In recent years, the need for portable, low-cost, and eco-friendly devices for testing and monitoring has arisen. Paper-based devices have emerged as a response to these needs due to the properties induced by capillarity, flexibility, disposability, and biodegradability. In this work, the authors explored the possibility of tuning the hygro-mechanical response of paper-based cantilever beams using glycerol. A lumped-parameter model with non-linear stiffness is used to describe the dynamic response of the beams using three parameters. An experimental method based on resonance frequency tests is used to study the influence of glycerol on the dynamic response of four different beam configurations. The obtained results demonstrate that the resonance frequency of paper-based mechanical systems can be easily tuned by the imbibition of a glycerol–water solution. This study could lead to the development of tunable paper-based mechanical systems for specific applications such as energy harvesters and hygro-mechanical-based sensors.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil0,458

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,030
Tête enseignante GPT0,243
Écart entre enseignants0,213 · 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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intelligent Material Systems and StructuresMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207