MétaCan
Menu
Retour à la cohorte
Enregistrement W4284888002 · doi:10.18280/acsm.460305

Investigation of Dynamic Mechanical Behavior of Nanosilica Filled Carbon-Kevlar-Epoxy Polymer Hybrid Nanocomposite

2022· article· en· W4284888002 sur OpenAlexvenueno aff
Pranesh K Gopalakrishnamurthy

Notice bibliographique

RevueAnnales de Chimie Science des Matériaux · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Systems and Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialEpoxyDynamic mechanical analysisNanocompositeKevlarDynamic modulusComposite numberGlass transitionPolymer

Résumé

récupéré en direct d'OpenAlex

Reinforcement of epoxy-carbon-Kevlar fabric composite with the addition of nanosilica has resulted in the evolution of new hybrid polymer nanocomposite, which results in the improved mechanical properties of polymer hybrid nanocomposite. The current investigation concentrated on the dynamic mechanical behavior of unfilled and nanosilica filled carbon-Kevlar-epoxy polymer composite with five and four layers of carbon and Kevlar woven fibers respectively with epoxy matrix (5C4K). Nanosilica was mixed into the epoxy at different weight percentages (wt.%) of 0, 0.5, 1.0, and 1.5. The laminates were fabricated using the vacuum-assisted resin infusion moulding (VARIM) technique. The dynamic mechanical properties, storage modulus, loss modulus, damping factor (tan delta), and glass transition temperature was investigated using a dynamic-mechanical analyzer at temperature ranging from 25 to 165 degrees Celsius. The test specimens were prepared in accordance with the ASTM D4065 standard to investigate dynamic mechanical analysis (DMA) of the hybrid polymer nanocomposite. The results of the tested specimens for dynamic mechanical behaviors of carbon-Kevlar-epoxy hybrid nanocomposites are very much influenced by the presence of nanosilica. The storage modulus, loss modulus for nanosilica added hybrid polymer composites were more than the unfilled ones and the damping factor (tan delta) was observed more in an unfilled composite.

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 seuil0,002

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 Opus0,017
Tête enseignante GPT0,227
Écart entre enseignants0,210 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de Chimie Science des MatériauxMême sujetRailway Systems and Materials ScienceTravaux en français237 207