Thermal effects, flow front analysis and demolding characterization ofcarbon-fibre reinforced composites using Wet Compression Molding
Notice bibliographique
Résumé
Abstract: Wet Compression Molding (WCM) is an efficient manufacturing process for continuous carbon-fibre reinforced polymers (CFRPs) due to its rapid cycle times, which makes it ideal for automotive and other large volume light-weighting applications. By utilizing WCM, a large complex part can be manufactured in approximately one minute. WCM requires a proper selection of process parameters such as resin temperature (°C), mold temperature (°C), resin set time (s) and cure time (s), to yield an optimally cured part with minimum voids or defects. During initial application and resin impregnation, thermosetting resins experience polymerization which is enhanced by the molding process. Thermal effects and flow front progression impact cure kinetics and ultimately, part quality. When evaluated with uniaxial flexural testing and demolding results, optimized mechanical properties can be achieved when material specifications are requested by industry. A statistical analysis approach was utilized in this study to correlate sample locations to part quality. Multi-factor regression and multi-variate analyses were conducted for 28 demonstrator plaques. Time-dependent temperature profiles were developed by coupling the Fluke® thermal images to the WCM cure cycles. Subsequently, both temperature and pressure profiles were correlated to the uniaxial flexural testing and demolding results. Parameter reduction using Principal Component Analysis (PCA) was invoked to reduce the input variable parameter set and reduce the need for resource-intensive experimental testing. This comparative study can then be used to expand and validate the full effects of processing parameters on sample location based on initial resin placement, wetted and non-wetted areas, and voids analysis. Simultaneously, a non-linear pattern recognition and categorial analysis will be completed using Artificial Neural Networks (ANNs). The objective of this study is to accelerate product development for composites.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».