Mori-Tanaka-based statistical methodology to compute the effective Young modulus of polymer matrix nano-composites considering the experimental quantification of nanotubes dispersion and alignment degree
Notice bibliographique
Résumé
This paper presents a Mori-Tanaka-based statistical methodology to predict the effective Young modulus of carbon nanotubes (CNTs)-reinforced composites considering three variables: weight content, reinforcement dispersion and orientation. Last two variables are quantified by two parameters, namely, free-path distance between nano-reinforcements and orientation angle regarding the loading direction. To validate the present methodology, samples of multi-walled CNTs (MWCNTs)-reinforced polyvinyl alcohol (PVA)-matrix composite were manufactured by mixing solution. The MWCNT/PVA Young modulus was measured by nano-indentation, while the MWCNTs Young modulus was quantified by micro-Raman spectroscopy. Both stretched and unstretched composite specimens were fabricated. Transmission electron microscopy (TEM) and in-plane image analysis were used to obtain fitting coefficients of log-normal frequency distribution functions for the free-path distance and orientation angle. It was evidenced that numerical results fit well to measured values of effective Young modulus of MWCNTs and MWCNT/PVA, with exception of some particular cases where significant differences were found. Microstructural heterogeneities, cluster formation, polymer chains alignment, errors associated with the dispersion, orientation and mechanical characterization procedures, as well as idealization and statistical errors, were identified as possible causes of these differences. Finally, using the proposed methodology and the dispersion and orientation distribution functions experimentally obtained, the effective Young modulus is estimated for three kinds of thermoplastic matrices (polyvinyl alcohol, polyethylene ketone, and ultra-high molecular weight polyethylene) with different kinds of nanotubes (single wall, double wall, and multi-walled), at different weight contents, finding the superior mechanical performance for double-walled CNTs-reinforced composites and the lower one for multi-walled CNTs-reinforced ones.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».