MétaCan
Menu
Retour à la cohorte
Enregistrement W4315574413 · doi:10.3390/jcs7010029

Mechanical Homogenization of Transversely Isotropic CNT/GNP Reinforced Biocomposite for Wind Turbine Blades: Numerical and Analytical Study

2023· article· en· W4315574413 sur OpenAlexaff
Amine El Bahi, Marwane Rouway, Mostapha Tarfaoui, A. El Moumen, Nabil Chakhchaoui, Omar Cherkaοui, L.H. Omari

Notice bibliographique

RevueJournal of Composites Science · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésBiocompositeMicromechanicsMaterials scienceComposite materialCarbon nanotubeTransverse isotropyHomogenization (climate)Volume fractionEconomies of agglomerationPolymerIsotropyComposite number

Résumé

récupéré en direct d'OpenAlex

One of the biggest problems facing the use of carbon nanotubes in reinforced composites is agglomeration within the matrix phase. This phenomenon—caused by Van der Waals forces—leads to dispersion problems and weakens the properties of the composites. This research presents a multi-stage homogenization approach used to investigate the influence of the aspect ratio, volume fraction, and agglomeration of the nanofillers on the effective mechanical properties of a polymer biocomposite containing randomly dispersed carbon nanotubes and graphene nanoplatelets. The first stage consisted in evaluating the properties of the reinforced polymers by the CNT/GNP. The second step consisted in combining the reinforced polymers with different natural and synthetic unidirectionally oriented fibers. It was found that agglomeration has a huge influence on the mechanical properties of the composite. The novelty of this work consisted of the consideration of the parameters influencing the elastic properties using different micromechanics approaches and numerical techniques.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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 recherche0,0010,000
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 Opus0,019
Tête enseignante GPT0,291
Écart entre enseignants0,271 · 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'étudeSimulation ou modélisation
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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Composites ScienceMême sujetCarbon Nanotubes in CompositesTravaux en français237 207