MétaCan
Menu
Retour à la cohorte
Enregistrement W4297879947 · doi:10.1002/pat.5880

Conversion of low density polyethylene foams into auxetic metamaterials

2022· article· en· W4297879947 sur OpenAlexaff
X. Chen, Ouassim Hamdi, Denis Rodrigue

Notice bibliographique

RevuePolymers for Advanced Technologies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueCellular and Composite Structures
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAuxeticsMaterials scienceLow-density polyethyleneComposite materialPolyethylenePolymerPoisson's ratioUltimate tensile strengthCompression (physics)Poisson distribution

Résumé

récupéré en direct d'OpenAlex

Abstract Cellular polymers, such as polyethylene foams, are commonly used in the packaging industry. These materials have short service life and generate a high volume of waste after use. In order to valorize this waste and produce added‐value applications, it is proposed to convert these materials into highly efficient energy absorption structures. This was done by modifying the original cellular morphology of the foams (spheroidal or polygonal) into a re‐entrant structure to produce auxetic materials. This work presents an optimized process combining mechanical compression and solvent vapor evaporation‐condensation leading to low density foams (77–200 kg/m3) having negative Poisson's ratios (NPR). Three series of recycled low density polyethylene (LDPE) foams with an initial density of 16, 21, and 36 kg/m3were used to optimize the processing conditions in terms of treatment temperature, time, and pressure. From all the samples prepared, a minimum Poisson's ratio of −3.5 was obtained. To further characterize the samples, the final foam structure was analyzed to relate with mechanical properties and compare with conventional foams having positive Poisson's ratios. The results are discussed using tensile properties and energy dissipation which were shown to be highly improved for auxetic foams. Overall, the resulting foams can be used in several applications such as sport and military protection equipment.

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 Opus0,003
Tête enseignante GPT0,195
Écart entre enseignants0,192 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymers for Advanced TechnologiesMême sujetCellular and Composite StructuresTravaux en français237 207