MétaCan
Menu
Retour à la cohorte
Enregistrement W4390143599 · doi:10.9734/cjast/2023/v42i474321

Mean Wear Approach for Modeling and Predicting Wear for Gears in Plastics Materials and their Composites

2023· article· en· W4390143599 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCurrent Journal of Applied Science and Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Wear Analysis
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialLubricationFibre-reinforced plastic

Résumé

récupéré en direct d'OpenAlex

It is currently recognized by the scientific and industrial world that gears made of plastic materials and their composites have numerous advantages (light weight and inertia reduction, no lubrication or initial lubrication, low friction coefficient, shock and vibration absorbing, good load distribution, low costing manufacturing, etc. ) and they will continue to beneficially replace metal gears in a good number of applications in all areas; above all, today the family of plastic materials and their composites is expanding with the development of new eco-plastics and their natural fiber composites as an alternative for sustainable development. However, the challenge remains to continue research in the field of these plastic gears and their composites in order to overcome the problems that still hamper their use.
 The literature reveals that wear constitutes one of the failure modes of gears and in particular it remains the most frequent cause of damage in gears made of plastic materials and their composites. According to the results of experimental work carried out on the wear behavior of plastic gears and their composites, the wear prediction models developed for their metallic counterparts are not applicable to them.
 The main objective of this present work is to study the wear behavior of gear teeth made of plastic materials and their composites in order to develop a model of its prediction.
 In this paper, a mean wear approach is used to develop a model based on Archard's law for the prediction of wear in gears made of plastic materials and their composites. The model is built on experimental works observations and depends on the pair of materials and the operating conditions of the mesh, as well as the parameters which are determined once and for all from the initial experimental results. The model also takes into account the very significant thermal effect on the wear of plastic gears.
 The results from a simulation carried out, using MATLAB software for the pair of HDPE30B materials (HDPE polyethylene composite with 30% birch wood fiber) running under dry conditions, are presented and analyzed. The results are consistent with those of our experimental work and are mainly validated with a relative error below 15% by the latter.
 The models developed can already provide solutions to needs on an industrial scale.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,254

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,019
Tête enseignante GPT0,243
Écart entre enseignants0,224 · 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