MétaCan
Menu
Retour à la cohorte
Enregistrement W4378174632 · doi:10.1109/tdei.2023.3280152

Reinforced PDMS Elastomer Nanocomposites: Effectiveness of In Situ Nano-Silica Content on Flashover Voltage and Treeing Phenomena

2023· article· en· W4378174632 sur OpenAlexafffund
Sarah Sobhani, Frédérick Munger, Gelareh Momen

Notice bibliographique

RevueIEEE Transactions on Dielectrics and Electrical Insulation · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh voltage insulation and dielectric phenomena
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceElectrical treeingNanocompositeComposite materialElastomerDispersion (optics)Nano-Thermal stabilityPolymerArc flashNanoparticleFumed silicaPolymer nanocompositeAgglomerateVoltagePartial dischargeChemical engineeringNanotechnologyInsulator (electricity)

Résumé

récupéré en direct d'OpenAlex

Large interfacial surface area between the inorganic particles and the polymer matrix has made nanocomposites an interesting composition for a wide range of applications including high-voltage insulating materials. However, nanofiller dispersion is challenging and there is always a specific percolation threshold that narrows the particle content in a polymer dispersion. This research attempt to benefit the in situ silica precipitation technique to avoid all problems associated with nanoparticle dispersion and furthermore introduce a technique to increase the nano-silica content. In this regard, elastomeric silicone nanocomposites loaded with various amount of nano-silica, low to high, is fabricated. It is revealed that the nanocomposite loaded with a high quantity of nano-silica particles exhibited high thermal stability and heat resistivity. Utilized as a coating, this nanocomposite could successfully increase the flashover voltage and present less damage after electrical discharges. Moreover, the electrical treeing investigation illustrates a different distribution of tree structure depending on nano-silica content which could be beneficial in diverse electrical insulating applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,086
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,023
Tête enseignante GPT0,248
Écart entre enseignants0,226 · 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.

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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Dielectrics and Electrical InsulationMême sujetHigh voltage insulation and dielectric phenomenaTravaux en français237 207