MétaCan
Menu
Retour à la cohorte
Enregistrement W3107576065 · doi:10.1201/9781003076155-61

Creep and Creep-Rupture of Polymer Composite Laminates

2020· book-chapter· en· W3107576065 sur OpenAlexaff
M. Balachandar, Chandrasekhar Iyer, J. Raghavan

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineMaterials Science
ThématiqueMaterial Properties and Applications
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésCreepMaterials scienceComposite materialComposite numberPolymer

Résumé

récupéré en direct d'OpenAlex

Creep and creep-rupture of uni-directional composite laminates were characterized and modelled. Individual and interactive influence of stress, temperature, moisture, and physical aging on creep and creep-rupture of a polymer composite (Hexcel F263 epoxy reinforced with 54% by volume of Toray T300 carbon fibers) were studied. The composite exhibited linear creep at constant stresses ≤ 7 MPa in the temperature range 295 – 503K. Moisture accelerated creep through plasticization (i.e. lower the Glass Transition Temperature, Tg) of the epoxy matrix and moisture-induced creep acceleration was found to be equal to creep acceleration in a dry sample by equivalent temperature increase. Moisture accelerated creep-rupture. Physical aging retarded creep and accelerated creep-rupture. In addition to reducing the moisture diffusivity and saturation moisture, physical aging caused a reduction in the magnitude of creep and creep-rupture acceleration by moisture when compared to non-aged material at the same moisture level. Similar interactive influence was observed at various stress and / or temperature levels. The data have been appropriately modelled and are currently being used in the modelling of creep and creep rupture of multi-directional laminates. The results of the modelling will be presented and discussed at the time of presentation.

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 seuil0,002

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 Opus0,016
Tête enseignante GPT0,212
Écart entre enseignants0,196 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMaterial Properties and ApplicationsTravaux en français237 207