Prediction of surface roughness of CO2 laser modified poplar wood via response surface methodology
Notice bibliographique
Résumé
Due to the advantages of short treatment period, no wastewater and oil produced, the CO 2 laser is applied as an environment friendly thermal treatment for wood materials to improve the wood properties, such as appearance, color and wettability, among others. However, the morphological features of treated wood surface are also changed, which have negative effects on wooden product properties. To reveal the change tendency of surface roughness during laser irradiation, the common indexes of average roughness (Ra) and mean peakto-valley height (Rz) were chosen to evaluate the surface roughness. The response surface methodology was selected to arrange the experiments and analyze the influences of laser parameters on surface roughness. The results showed that the poplar wood got rougher with the increased laser power, but the surface roughness decreased with increased feed speed and path spacing, due to the total heat absorption varied under different combination of laser parameters. The ANOVA results showed that the selected quadratic models for Ra , Rz , Ra and Rz were significant due to the values of probability value ("Prob>F") less than 0,05. In this case, all the input laser parameters were also the significant model terms for variation of surface roughness. The values of correlation coefficient were very close to 1, which meant the selected quadratic models could give accurate prediction of surface roughness for laser treated wood. Therefore, it is of great significance to predict the surface roughness of the modified wood surface scientifically and to guide the selection of reasonable modification process parameters.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».