Characterization and mesoscale modeling of an enhanced UHMWPE fabric treated with bis-diazirine: multicriteria crosslinker selection and surrogate-based inverse parameter estimation
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.
Notice bibliographique
Résumé
Ultra-high molecular weight polyethylene (UHMWPE) woven fabrics are commonly used in armor applications due to their superior biaxial mechanical and physical properties. In this study, three different diazirine-based crosslinker options were initially considered as the chemical treatment applied to a dry UHMWPE plain weave to improve a range of its properties. The optimum crosslinker was then selected using a VICOR multicriteria decision-making model. Specifically, through the bias-extension and yarn pull-out tests, it was observed that the optimum crosslinker significantly enhanced (> 100%) the crossover interactions between the warp/weft yarns. Subsequently, a mesoscale finite element model was developed to predict both the tensile and shear responses of the untreated and treated fabrics. In developing this model, an inverse analysis was employed to capture the effect of yarn transverse elastic modulus and the friction at the crossovers-two properties that are known to be difficult to measure directly in the weave form of yarns. These parameters were sampled using a design of computational experiments and then optimized via a surrogate-based model. Finally, challenges presented by the crosslinking at the single yarn level during characterization are discussed and resolved numerically. For both the treated and untreated fabrics, the mesoscale model is shown to predict the material behavior accurately.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 découle