MétaCan
Menu
Retour à la cohorte
Enregistrement W2039028483 · doi:10.1002/app.41301

Regenerated cellulose fibers as impact modifier in long jute fiber reinforced polypropylene composites: Effect on mechanical properties, morphology, and fiber breakage

2014· article· en· W2039028483 sur OpenAlexaff
Nalini Ranganathan, Kristiina Oksman, Sanjay K. Nayak, Mohini Sain

Notice bibliographique

RevueJournal of Applied Polymer Science · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialPolypropyleneIzod impact strength testCharpy impact testComposite numberUltimate tensile strengthFiberExtrusionCompression moldingFlexural strengthToughnessViscoseHeat deflection temperatureNatural fiber

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Polypropylene/jute fiber (PP‐J) composites with various concentrations of viscose fibers (VF) as impact modifiers and maleated polypropylene (MAPP) as a compatibilizer have been studied. The composite materials were manufactured using direct long fiber thermoplastic (D‐LFT) extrusion and compression molding. The effect of fiber length, after the extrusion process, on composites mechanical performance and toughness was investigated. The results showed that the incorporation of soft and tough VF on the PP‐J improved the energy absorption of the composites. The higher impact strength was found with the addition of 10 wt % of the impact modifier, but the increased concentration of the impact modifier affected the tensile and flexural properties negatively. Similarly, HDT values were reduced with addition of viscose fibers whereas the addition of 2 wt % of maleated polypropylene significantly improved the overall composite properties. The microscopic analysis clearly demonstrated longer fiber pullouts on the optimized impact modified composite. © 2014 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2015 , 132 , 41301.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,003
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 GPT0,240
Écart entre enseignants0,233 · 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.

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

Citations56
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207