Magnetic field influence on the mechanical properties of 3D-printed magnetorheological composites
Notice bibliographique
Résumé
Magnetorheological (MR) materials, such as ferromagnetic particle-reinforced composites, exhibit tunable mechanical properties under magnetic fields, which are crucial for innovative applications in automotive, aerospace, and medical devices. However, accurately modeling their behavior remains challenging due to the intricate interactions between the magnetic particles and the matrix. This research explores how applying a magnetic field during additive manufacturing, also known as 3D printing, can affect the alignment and distribution of magnetic particles, influencing the material's mechanical properties. Preliminary results show that magnetic fields significantly alter mechanical properties, including toughness and Young’s modulus, suggesting the potential for real-time control during fabrication. Iron-reinforced polylactic acid (PLA) filament is magnetized during the fused filament fabrication (FFF). ASTM D638 Type IV specimens are printed under three conditions: without a magnetic field, above a single samarium cobalt magnet, and between two samarium cobalt magnets. All samples were printed using 0- and 90-degree raster for anisotropic behavior evaluation. The effects of these different orientations on the material’s mechanical properties and microstructure are examined using tensile testing and optical microscopy. The findings provide valuable insights into the influence of magnetic field direction and field strength on MR materials, which contribute to developing these materials for enhanced and tunable structural integrity.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».