Quantification of Matrix and Reinforcement Effects on the Young’s Modulus of Carbon Nanotube/Epoxy Composites using a Design of Experiments Approach
Notice bibliographique
Résumé
The focus of this work is to present a methodology to systematically study and classify the influence of a set of controllable parameters during the fabrication of carbon nanotube (CNT)/epoxy co mposites on the material's elastic modulus. The chosen factors include two types of poly mer matrices (i.e., LY 5052 and LY 564), two types of carbon nanotubes (i.e., single- and mult i-walled carbon nanotubes), functionalized and pristine carbon nanotubes, and different weight-percents (wt.%) of CNTs. A factorial design of experiment (DOE) with mixed levels has been employed to estimate the contribution of the aforementioned factors, along with their interactions, in the maximization of the Young's modulus of the fabricated CNT/epoxy co mposites. Over 120 specimens were fabricated and tensile tests were carried out to obtain an optimu m Young's modulus of the CNT/epo xy composite. The results indicate that among control parameters, the wt.% of CNTs and the type of CNTs have the highest effects, whereas their interaction has the least effect. It is also shown that the functionalized CNTs can significantly dimin ish the effect of noise factors, arising fro m the CNT wav iness, debonding between CNTs and polymer matrices, the random orientation of CNTs and non-uniform CNT d ispersion. Among tested material configurations, the highest Young's modulus (4.135 GPa) was achieved on the functionalized single-walled carbon nanotube/amine resin LY5052 containing 1.5 wt.% of CNTs. This corresponded to a 33% imp rovement co mpared to the pure epoxy resin LY5052. The presented methodology is straightforward and can be applied to other types of CNT-reinforced co mposites.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| 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 ».