Modelling of the effect of ATH fillers on the rheology, curing kinetics, and flexural properties of the epoxy resin forming the hydraulic turbines' stay vanes extension
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Epoxy resins are essential for the manufacturing of GFRP/XPS foam sandwich structures used for hydraulic turbine extension stay vanes. Their properties during and after curing are key factors for the performance of the entire hybrid composite structure. This paper introduces experimental characterization and modeling of the influence of the quantity and size of ATH fillers on the curing and post-curing characteristics of the epoxy resin. The experimental investigation involves the maximum temperature, polymerization time, shrinkage, viscosity, and flexural properties. The mass fractions of the ATH were 10, 20, 30, 40, 50, and 60%, and the particle sizes were 2, 4, 6, 8, and 12 µm. In addition, we utilized the multivariate polynomial regression (MPR) and artificial neural network (ANN) methods to develop empirical models to predict the maximum temperature, polymerization time, shrinkage, and flexural modulus. The experimental results showed that increasing ATH mass fraction with smaller particle size delayed polymerization and lowered the maximum temperature. The experimental viscosity values showed that Mooney model can accurately calculate viscosity as a function of ATH mass fraction and particle size, compared to the Quemada and Krieger-Dougherty models. Adding ATH increased flexural strength, modulus, and breakage strain. The developed models achieved a higher than 0.9 correlation coefficient between the predicted and measured responses and can be used to enhance the design and control the casting of the proposed sandwich structures.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle