MétaCan
Menu
Retour à la cohorte
Enregistrement W4412476793 · doi:10.15376/biores.20.3.6837-6852

Mechanical and sound absorption performance of cashew apple bagasse and mahogany fruit-based hybrid composites

2025· article· en· W4412476793 sur OpenAlexaff
Murugesan Palaniappan, Sivasubramanian Palanisamy, T. Murugesan, Carlo Santulli, Srinivas Tadepalli

Notice bibliographique

RevueBioResources · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceBagasseComposite materialHorticulturePulp and paper industryBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Mechanical and acoustic properties were studied for hybrid composites developed from Cashew Apple Bagasse (CAB) fibers and Mahogany tree Fruit Filler (MFF) in an epoxy matrix. The effect of alkali treatment (5% and 10% NaOH solutions) on CAB fiber composites at different weight fractions of MFF (0 to 25 wt%) was studied. The composites including 15 to 20 wt% MFF and treated with 5% NaOH offered the highest performance. Tensile, flexural, and impact strengths were improved by 40%, 50%, and 45.7%, respectively, when compared to untreated ones; also, a 56.7% increase in noise reduction coefficient (NRC) was measured. These enhancements can be attributed to the removal of surface impurities on the fiber surface, improving fiber-matrix bonding, and achieving even dispersion of filler in the matrix. Using alkali treatment with NaOH concentration exceeding 10% and with a higher filler content (> 20 wt%) embrittled the fibers, at the same time allowing them to clump together, which decreased both mechanical and acoustic performance. The best approach was to combine CAB and MFF in appropriate quantities into a hybrid composite, striking a good balance between reinforcement and load transfer efficiency. These composites are intended to be used in car interiors, soundproof panels, and lightweight structural parts.

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 enseignants0,011
Score d'incertitude au seuil0,507

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,218 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207