MétaCan
Menu
Retour à la cohorte
Enregistrement W4380084319 · doi:10.1080/15376494.2023.2222138

Modeling 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

2023· article· en· W4380084319 sur OpenAlexafffund
Rim Ouadday, Mahmoud Abusrea, Rachid Boukhili, Aurélian Vadean

Notice bibliographique

RevueMechanics of Advanced Materials and Structures · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Theoretical and Applied Studies in Material Sciences and Geometry
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRheologyEpoxyMaterials scienceCuring (chemistry)Flexural strengthComposite materialThermosetting polymerKinetics

Résumé

récupéré en direct d'OpenAlex

Epoxy resins are crucial for the production of GFRP/XPS foam sandwich structures used for hydraulic turbine extension stay vanes. The quantity and size of ATH fillers have a significant impact on the curing and post-curing characteristics of the epoxy resin. This paper presents the results of an experimental study of the effect of ATH fillers on the maximum temperature, polymerization time, shrinkage, viscosity, and flexural properties of the epoxy resin. The study also uses regression and neural network methods to develop models to predict these properties based on ATH mass fraction and particle size. The results showed that increasing the mass fraction of ATH with a smaller particle size delayed polymerization and reduced the maximum temperature. The addition of ATH resulted in an improvement of the flexural modulus; nevertheless, it caused a reduction in both the flexural strength and breakage strain. Adding ATH improved flexural strength, modulus, and breakage strain. The models developed in this study had a high correlation between predicted and measured responses, providing valuable information for the design and 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.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMechanics of Advanced Materials and StructuresMême sujetAdvanced Theoretical and Applied Studies in Material Sciences and GeometryTravaux en français237 207