Impact of Radiative Exposures on the Mechanical Properties of Fire-Resistant Fabrics
Notice bibliographique
Résumé
Firefighters’ protective garments are designed to protect them from elevated temperature and\nheat flux environments. Typically, these garments are made of three layers: an outer shell, a\nmoisture barrier, and a thermal liner. At present, new firefighters’ garments must meet\nperformance criteria specified in test standards, but these do not apply to in-use garments. As the\nperformance of this clothing may degrade with use, quantitative methods for determining the\nuseful life of these garments without destroying them is a need for the fire service. One area of\nsuch research has been the development of correlations between near infrared (NIR) spectral\nresults and changes in fabric properties. Research at the University of Saskatchewan (U of S) has\nshown that NIR measurements can be correlated to deterioration in mechanical strength after\nthermal ageing.\nThis study examined the performance of two Kevlar®/PBI fabrics after exposures to heat fluxes\nranging from 10 to 70 kW/m2 for durations ranging from 15 to 1200 s. These exposures were\nconducted using a cone calorimeter and have been selected as representative of the wide range of\nconditions expected on the fireground. After examination using an NIR spectrometer, tensile\ntesting was conducted on the specimens. The tensile strength values for thermally aged fabrics\nwere then compared against criteria in standards for new clothing.\nThree correlations between exposure and duration were developed based on multi-variable linear\nregressions, multi-variable nonlinear regressions, and single-variable nonlinear regressions.\nThese correlations were constructed from this research and past research datasets. These\ncorrelations aim to predict the degradation these types of fabrics experience, and could be used in\nfuture degradation. It was found that the multi-variable nonlinear regression correlation was the\nmost successful across different exposures, while the single-variable nonlinear regression was\nable to predict degradation more accurately to an average standard error of 4%.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».