Influence of the reaction stoichiometry on the mechanical and thermal properties of SWCNT-modified epoxy composites
Notice bibliographique
Résumé
Previous studies suggest that carbon nanotubes (CNTs) have a considerable influence on the curing behavior and crosslink density of epoxy resins. This invariably has an important effect on different thermal and mechanical properties of the epoxy network. This work focuses on the important role of the epoxy/hardener mixing ratio on the mechanical and thermal properties of a high temperature aerospace-grade epoxy (MY0510 Araldite as an epoxy and 4,4'-diaminodiphenylsulfone as an aromatic hardener) modified with single-walled carbon nanotubes (SWCNTs). The effects of three different stoichiometries (stoichiometric and off-stoichiometric) on various mechanical and thermal properties (fracture toughness, tensile properties, glass transition temperature) of the epoxy resin and its SWCNT-modified composites were obtained. The results were also supported by Raman spectroscopy and scanning electron microscopy (SEM). For the neat resin, it was found that an epoxy/hardener molar ratio of 1:0.8 provides the best overall properties. In contrast, the pattern in property changes with the reaction stoichiometry was considerably different for composites reinforced with unfunctionalized SWCNTs and reduced SWCNTs. A comparison among composites suggests that a 1:1 molar ratio considerably outperforms the other two ratios examined in this work (1:0.8 and 1:1.1). This composition at 0.2 wt% SWCNT loading provides the highest overall mechanical properties by improving fracture toughness, ultimate tensile strength and ultimate tensile strain of the epoxy resin by 40%, 34%, 54%, respectively.
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 | 0,001 |
| 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 ».