MétaCan
Menu
Retour à la cohorte
Enregistrement W3163136323 · doi:10.3390/polym13101622

Investigation on the Thermoforming of Pmsq-Hdpe for the Manufacture of a NACA Profile of Small Dimensions

2021· article· en· W3163136323 sur OpenAlexafffund
Fouad Erchiqui, Abdessamad Baatti, Karima Ben Hamou, Hamid Kaddami, M’hamed Souli, A. Imad

Notice bibliographique

RevuePolymers · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer crystallization and properties
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHigh-density polyethyleneMaterials scienceComposite materialViscoelasticityvon Mises yield criterionRheologyPolyethyleneFinite element methodStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Unmanned aerial vehicles (UAVs) or drones are attracting increasing interest in the aviation industry, both for military and civilian applications. The materials used so far in the manufacture of UAVs are wood, plastic, aluminum and carbon fiber. In this regard, a new family of high-density polyethylene (HDPE) nanocomposites reinforced with polymethylsilsesquioxane nanoparticles (PMSQ), with mechanical performances significantly superior to those of pure HPDE, has been prepared by a fusion-combination process. Their viscoelastic properties were determined by oscillatory shear tests and their viscoelastic behavior characterized by the Lodge integral model. Then, the Lagrangian formulation and the membrane theory assumption were used in the explicit implementation of the dynamic finite element formulation. For the forming phase, we considered the thermodynamic approach to express the external work in terms of closed volume. In terms of von Mises stress distribution and thickness in the blade, the results indicate that HDPE-PMSQ behaves like virgin HDPE. Furthermore, its materials, for all intents and purposes, require the same amount of energy to form as HDPE.

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 enseignants0,006
Score d'incertitude au seuil0,553

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)0,0010,000

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 Opus0,060
Tête enseignante GPT0,237
Écart entre enseignants0,177 · 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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetPolymer crystallization and propertiesTravaux en français237 207