MétaCan
Menu
Retour à la cohorte
Enregistrement W4295128213 · doi:10.1002/mame.202200402

Effect of Martensitic Transformation of NiTi Particles on Temperature Sensitivity of Flexible VGCF/PDMS Films

2022· article· en· W4295128213 sur OpenAlexaff
Teng Li, Jiaqi Li, Dongyu Liu, Shen Gong, Chanyuan Wu, Zheng Zhu

Notice bibliographique

RevueMacromolecular Materials and Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensYork University
Organismes subventionnairesNational Defense Pre-Research Foundation of ChinaChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésMaterials scienceComposite materialNickel titaniumElectrical resistivity and conductivityComposite numberPercolation (cognitive psychology)Thermal expansionShape-memory alloy

Résumé

récupéré en direct d'OpenAlex

Abstract A novel NiTi/vapor grown carbon fiber (VGCF)/polydimethylsiloxane flexible film is successfully prepared, of which the resistivity can keep stable under various strain deformation. By introducing NiTi particles with appropriate phase transition temperature, the resistivity change value of the composite in the temperature range can be doubled without affecting the flexibility of the composite. A computer simulation based on percolation network (PN) theory and Monte Carlo (MC) calculation is developed to understand the mechanisms of resistivity temperature curves. The simulation results agree with experiments quantitatively, which reveal that the inhomogeneous martensitic transformation of NiTi particles is a dominant mechanism for the enlarged and nonlinearity resistivity temperature variation of the composite. Parametric studies have been conducted and the calculation results show that selecting NiTi particles with smaller particle diameter, VGCF with higher conductivity, and polymer with larger coefficient of thermal expansion is conducive to further obtain flexible composite films with better temperature sensitivity.

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 enseignants0,304
Score d'incertitude au seuil0,646

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,004
Tête enseignante GPT0,186
Écart entre enseignants0,182 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromolecular Materials and EngineeringMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207