MétaCan
Menu
Retour à la cohorte
Enregistrement W4206323221 · doi:10.1016/j.cscm.2022.e00873

Application of kinetic pyrolysis models to the analysis of flax chipboards under fire

2022· article· en· W4206323221 sur OpenAlexaff
T.T. Tran, Amar Khennane, M. Khelifa, Pierre Girods, Marc Oudjène, Yann Rogaume

Notice bibliographique

RevueCase Studies in Construction Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPyrolysisThermogravimetric analysisFinite element methodSubroutineKinetic energyMaterials scienceThermalNumerical analysisStructural engineeringComposite materialComputer scienceEngineeringMathematicsThermodynamicsWaste managementChemical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This study presents a three-dimensional finite element model to describe the thermomechanical behaviour of flax chipboards under fire conditions. The model is based on kinetic models considering the thermal degradation during the pyrolysis phase and the evolution of the physico-mechanical properties as functions of temperature. The numerical model is integrated into Abaqus via user subroutines (Umat and Umatht) and applied to the analysis of the fire behaviour of panels made of flax chipboards. Thermogravimetric tests are performed on flax particles to serve for the identification of the kinetic parameters of the pyrolysis models. Once these kinetic parameters are determined, they are integrated into a complete numerical model to simulate the behaviour under fire of flax chipboards on small and large scales. The obtained trends in the predicted values indicate good agreements when compared to the measured values. The simulations show that the numerical model is capable of accurately modelling the thermomechanical transfers taking place within the material during exposure to fire.

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 enseignants0,336
Score d'incertitude au seuil0,324

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,260
Écart entre enseignants0,238 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCase Studies in Construction MaterialsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207