MétaCan
Menu
Retour à la cohorte
Enregistrement W4404733109 · doi:10.1177/00219983241289496

Fatigue life prediction of hybrid carbon-flax-epoxy laminates using progressive failure analysis and cohesive zone model

2024· article· en· W4404733109 sur OpenAlexaff
Kamal Kolasangiani, Braedon Hoekstra, D. C. D. Oguamanam, Habiba Bougherara

Notice bibliographique

RevueJournal of Composite Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Behavior of Composites
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceEpoxyComposite materialCarbon fibersComposite laminatesFatigue testingStructural engineeringComposite number

Résumé

récupéré en direct d'OpenAlex

A 3D progressive fatigue damage model was incorporated into ABAQUS software to predict the fatigue life of hybrid carbon-flax-epoxy composites. A cohesive zone method was employed to simulate delamination damage at carbon/flax interface. To evaluate the accuracy of the finite element model, two different layups, namely, unidirectional [0–90 C2 /0 F6 ] S (UD) and angle-ply [0–90 C2 /(±45) F6 ] S (AP), consisting of 12 flax fibers layers (F) sandwiched between four woven carbon fibers layers (C) were created using hand lay-up technique and then placed in compression molding. There is a good agreement between experimental and predicted fatigue life. It was observed that the predicted fatigue life is reduced by about 14% by changing the void content from 0.38% to 3.83%. The finite element analysis revealed that the matrix in the flax region of the AP layup failed at 12% of fatigue life, followed by delamination at the carbon/flax interface, consistent with SEM results.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,806

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,018
Tête enseignante GPT0,251
Écart entre enseignants0,233 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Composite MaterialsMême sujetMechanical Behavior of CompositesTravaux en français237 207