Epoxidized pine oil‐siloxane: Crosslinking kinetic study and thermomechanical properties
Notice bibliographique
Résumé
ABSTRACT In this study, a novel approach to toughen biobased epoxy polymer with different types of siloxanes was explored. Three different modified siloxanes, e.g., amine‐terminated polydimethyl siloxane (PDMS‐amine), glycidyl‐terminated polydimethyl siloxane (PDMS‐glycidyl), and glycidyl‐terminated polyhedral oligomeric silsesquioxane (POSS‐glycidyl) were used as toughening agents. The curing and kinetics of bioepoxy was investigated by differential scanning calorimetry and Fourier transform infrared spectroscopy. The mechanical, thermal, and morphological properties of the cured materials were investigated. Rheological characterization revealed that the inclusion of POSS‐glycidyl slightly increased the complex viscosity compared to the neat resin. The morphology of the cured bioresin was characterized by transmission electron microscopy and scanning electron microscopy. The inclusion of POSS‐glycidyl to bioepoxy resin resulted in a good homogeneity within the blends. The inclusion of PDMS‐amine or PDMS‐glycidyl was shown to have no effect on tensile and flexural properties of the bioresins, but led to a deterioration in the impact strength. However, the inclusion of POSS‐glycidyl enhanced the impact strength and elongation at break of the bioresins. Dynamic mechanical analysis showed that the siloxane modified epoxy decreased the storage modulus of the bioresins. The thermal properties, such as decomposition temperature, coefficient of linear thermal expansion, and heat deflection temperature were improved by inclusion of POSS‐glycidyl. © 2015 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2015 , 132 , 42451.
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 | 0,002 | 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 ».