MétaCan
Menu
Retour à la cohorte
Enregistrement W4206300554 · doi:10.18280/rcma.310603

Comparison of the Wear Behavior and Hardness of Vinylester Resin Reinforced by Glass Fiber and Nano ZrO2 and Fe3O4

2021· article· en· W4206300554 sur OpenAlexvenueno aff
Jawad K. Oleiwi, Reem Alaa Mohammed

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Wear Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVinyl esterMaterials scienceNanocompositeComposite materialGlass fiberShore durometerNanoparticleTaguchi methodsFiberWear resistanceNano-PolymerCopolymerNanotechnology

Résumé

récupéré en direct d'OpenAlex

The current trend in scientific researches is to improve the performance of mechanical and physical properties of polymeric compounds, one of these methods is to add nanoparticles to polymeric composites. In this work, the wear behaviour (pin to disc) of nanocomposites composed of vinyl ester reinforced glass fibers and nanoparticles was evaluated under three different factors, such as specimen content, load applied, and distance sliding using a sliding time constant, as well as studying the hardness shore for these nanocomposites. The (hand-lay) method was used for the purpose of preparing the nanocomposites from vinyl ester filled with 10% vf. glass fiber and (0.5%, 1%, 1.5%, and 2% vf. of nano-Fe3O4 and ZrO2). The results are tabulated and analysed using Taguchi experiments (L9) (Minitab 18) for the purpose of determining which of the factors under consideration had the greatest influence on the wear behaviour. From the results, it was found that the specimens (vinyl ester-10% vf. glass fibers-2% ZrO2) and (vinyl ester-10% vf. glass fibers-2% Fe3O4) give the best wear resistance 0.003×10-5, 0.012×10-5 mm3/Nm respectively under the factors (load 20 N, sliding distance 45 cm). It was found that the specimen content is the most important factor influencing the wear behaviour, followed by the factors of the applied load and then the sliding distance. The addition of nanoparticles (0.5-2% vf. ZrO2, Fe3O4) to the vinyl ester resin improved the hardness values. Furthermore, the findings show that the addition of nanoparticles (ZrO2, Fe3O4) had a positive effect on the (wear and hardness) tests, implying that the nanoparticles improved the bonding between the base material and reinforcing material.

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 Opus0,028
Tête enseignante GPT0,273
Écart entre enseignants0,245 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des composites et des matériaux avancésMême sujetTribology and Wear AnalysisTravaux en français237 207