MétaCan
Menu
Retour à la cohorte
Enregistrement W4415096499 · doi:10.1002/aisy.202500668

Effective Material Stiffness in Curved Actuators

2025· article· en· W4415096499 sur OpenAlexaff
Charles de Kergariou, David Correa, Adam W. Perriman, Fabrizio Scarpa

Notice bibliographique

RevueAdvanced Intelligent Systems · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCurvatureActuatorStiffnessRadius of curvatureRADIUSStress (linguistics)Material properties

Résumé

récupéré en direct d'OpenAlex

This study presents a new method for measuring the effective stiffness of curved actuators. Actuators are loaded into tension, and analytical mechanical equilibrium formulations are used to determine the stress along the actuator. A new mechanical metric, Shape Actuation Modulus (SAM), defines the effective stiffness of the actuator during loading as the ratio of stress change to radius of curvature change. Conductive polylactic‐acid shape‐memory actuators are produced to benchmark this novel methodology. These actuators display a linear behavior between 25 and 50 mm radius of curvature with SAM of 3.8±0.9 MPa at 50 mm. The interval on which the radius of curvature to stress relationship is linear can be controlled by choosing the radius of curvature of the hinge. For instance, SAM calculation with R 2 > 0.97 was achieved in ranges of [22.7;79.6] mm and [16.4;51.5]mm for starting radius of curvature of 23.5±0.7 mm and 17.2±0.6 mm, respectively. Hence, the new technique proposed provides guidelines to design actuators. Finally, a comparison of bio‐composite actuators made of the same material was conducted. The hygromnemic actuators tested displayed a stiffness more than one order of magnitude larger than the hygromorphic ones for the range of radius of curvature [20;100]mm.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,237
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Intelligent SystemsMême sujetAdvanced Materials and MechanicsTravaux en français237 207