Effect of Cellulose Nanocrystals (CNC) Particle Morphology on Dispersion and Rheological and Mechanical Properties of Polypropylene/CNC Nanocomposites
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Polypropylene (PP) nanocomposites containing spray-dried cellulose nanocrystals (CNC), freeze-dried CNC, and spray-freeze-dried CNC (CNCSFD) were prepared via melt mixing in an internal batch mixer. Polarized light, scanning electron, and atomic force microscopy showed significantly better dispersion of CNCSFD in PP/CNC nanocomposites compared with the spray-dried and freeze-dried CNCs. Rheological measurements, including linear and nonlinear viscoelastic tests, were performed on PP/CNC samples. The microscopy results were supported by small-amplitude oscillatory shear tests, which showed substantial rises in the magnitudes of key rheological parameters of PP samples containing CNCSFD. Steady-shear results revealed a strong shear thinning behavior of PP samples containing CNCSFD. Moreover, PP melts containing CNCSFD exhibited a yield stress. The magnitude of the yield stress and the degree of shear thinning behavior increased with CNCSFD concentration. It was found that CNCSFD agglomerates with a weblike structure were more effective in modifying the rheological properties. This effect was attributed to better dispersion of the agglomerates with the weblike structure. Dynamic mechanical analysis showed considerable improvement in the modulus of samples containing CNCSFD agglomerates. The percolation mechanical model with modified volume percolation threshold and filler network strength values and the Halpin-Kardos model were used to fit the experimental results.
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.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle