MétaCan
Menu
Retour à la cohorte
Enregistrement W3213309827 · doi:10.1177/13506501211056413

On the tribology of complex 2D/3D composites bearing

2021· article· en· W3213309827 sur OpenAlexaff
Saeed Reza Zahabi, Mohammad Sheikhzadeh, Saleh Akbarzadeh, Addie Bahi, Frank Ko

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part J Journal of Engineering Tribology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Wear Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTribologyMaterials scienceComposite materialKevlarComposite numberLubricantBraidScanning electron microscopeEpoxyPolytetrafluoroethyleneBearing (navigation)Glass fiberComputer science

Résumé

récupéré en direct d'OpenAlex

In the present work, a hierarchical braided polymer composite consists of Polytetrafluoroethylene (PTFE) fibers, reinforcement fibers, and epoxy resin was designed as a self-lubricant composite and bearing. Different reinforcements such as glass, carbon, and Kevlar fibers were employed to investigate the effect of reinforcement on the wear characteristics of composites. Besides, the influence of 2D/3D braid fabric was examined on the wear behavior of samples. Also, 90 and 120 N loads were applied to assess the load impact. Results illustrated that compared to glass and Kevlar, carbon could lead to a greater wear weight loss and friction coefficient. However, PTFE tribofilm was observed according to scanning electron microscopy (SEM)/energy-dispersive X-ray spectroscopy (EDS) analysis. Moreover, with the increase of load, the wear stability of the composites faded significantly. Furthermore, the tribological features became inappropriate with the deployment of the 3D braid structure. Finally, the modeling of tribological parameters was carried out using response surface methodology-based D-optimal design. The adequacy of the models was checked by analysis of variance. Results implied that there is an excellent correlation between the model and the experiments.

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 Opus0,016
Tête enseignante GPT0,215
Écart entre enseignants0,199 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part J Journal of Engineering TribologyMême sujetTribology and Wear AnalysisTravaux en français237 207