MétaCan
Menu
Retour à la cohorte
Enregistrement W4283718243 · doi:10.1111/ffe.13778

Fatigue behavior and electromechanical properties of additively manufactured continuous wire polymer composites for structural health monitoring

2022· article· en· W4283718243 sur OpenAlexafffund
Menna A. Saleh, Roger Kempers, Garrett W. Melenka

Notice bibliographique

RevueFatigue & Fracture of Engineering Materials & Structures · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceThermoplastic polyurethaneComposite materialUltimate tensile strengthPolymerResidual stressComposite numberPolylactic acidPolyurethaneFused filament fabricationElastomer

Résumé

récupéré en direct d'OpenAlex

Abstract The fatigue behavior of continuous wire polymer composite (CWPC) fabricated by fused filament fabrication (FFF) was investigated. Four compositions were examined: polylactic acid (PLA), PLA with copper wire (Cu), thermoplastic polyurethane (TPU), and TPU with Cu wire. Residual properties were measured after different sets of number of cycles (10 2 , 10 4 , 10 5 ). Residual strengths were 89.7% and 70.5% of the ultimate tensile strength of the original material after 10 5 cycles for PLA CWPC and TPU CWPC, respectively. A one‐way analysis of variance (ANOVA) statistical tests showed insignificant changes in the residual strengths of PLA‐based materials after an increasing number of cycles and significant changes for the TPU‐based materials. CWPC electromechanical properties under fatigue test demonstrated reverse piezoresistance behavior. A strain‐controlled fatigue life analytical model was compared with the experimental results showing good agreement. This study demonstrates the applicability of FFF technique to print sensors with continuous integrated wire with tunable properties.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,019
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,242
Écart entre enseignants0,223 · 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.

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFatigue & Fracture of Engineering Materials & StructuresMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207