Chitosan Nanocomposite Mesoporous Membranes: Mechanical and Barrier Properties as a Function of Temperature
Notice bibliographique
Résumé
This work investigates the influence of the type and wt.% of nanofillers on the tensile strength behaviour and barrier properties of fabricated chitosan (CS) mesoporous membranes and their nanocomposites using graphene (G) and fullerene (F) nanofillers. Non cross-linked chitosan (NCLCS) as well as cross-linked chitosan (CLCS) solutions with sodium tripolyphosphate (TPP) were both mixed with G and F nanofillers with different wt.%. NCLCS membranes displayed yield tensile strength of 24MPa while the CLCS membranes displayed a much lower yield tensile strength of 2.87MPa. The addition of G and F nanofiller enhanced the yield tensile strength of the CS membranes up to 45MPa. However, the increase in % elongation for CLCS membranes was 75% higher than that for NCLCS ones. Furthermore, the results revealed that there was a significant effect of the operating temperature on the membrane pore size, which decreased the tensile strength and the barrier of the produced membranes. The enhancement of the tensile properties of polymer nanocomposites membranes (PNC) membranes is crucial to avoid film fracture or delamination. Moreover, the addition of nanofillers improve the barrier properties of PNC membranes, thus the membranes are used in packaging and current filtration techniques. In this work, experimental as well as statistical analysis of the fabricated CS membranes and their yield tensile strength and % elongation data are presented. This study presents the effect of the filler type, the filler content and the cross-linking of CS membranes on tensile strength behaviour both experimentally as well as theoretically.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 ».