MétaCan
Menu
Retour à la cohorte
Enregistrement W2357582425

Effect of Nano-silica Content on Properties of Waterborne Polyurethane Composites

2008· article· en· W2357582425 sur OpenAlexaff
Dhen Jing

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer composites and self-healing
Établissements canadiensCAE (Canada)
Organismes subventionnairesnon disponible
Mots-clésPolyurethaneUltimate tensile strengthThermogravimetric analysisIsophorone diisocyanateDifferential scanning calorimetryComposite materialThermal stabilityChemistryComposite numberMaterials scienceChemical engineeringOrganic chemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We have prepared waterborne polyurethane(WPU) nano-SiO2 composites by in situ polymerization,during which modified silica sol was first mixed with the N-methyl-pyrolidone(NMP),and then polyme-rization was carried out with the addition of isophorone diiocyanate(IPDI),polycaprolactone(PCL) dimethylol-propionic acid(DMPA) and dibutyltin dilaurate.Effects of nano-silica content on the thermal and mechanical properties of WPU/nano-silica composites were investigated by thermogravimetric analysis(TGA),differential scanning calorimetry(DSC),transmittance electron microscopy(TEM) and dynamic mechanical analysis(DMA).The experiment results show that the nano-silica particles were well dispersed in the WBPU solution when the silica content was lower than 3.0%,a wider Tg gap and higher microphase separation degree between soft and hard segment were observed for WPUNS,and the thermal degradation temperature of the composite was higher than that of a pure WPU at temperature over 50 ℃.Besides,as the nano-silica content was increased from 0 to 0.5%,the elongation at break and water swell were decreased from 550% to 430% and 16.8% to 4.5%,respectively,while,the tensile strength was increased from 3.4 MPa to 5.95 MPa.As the nano-silica content was increased to 2.5%,the elongation at break and water swell decreased to 210% and 2.3%,and the tensile strength increased to 7.58 MPa.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,363

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,032
Tête enseignante GPT0,226
Écart entre enseignants0,194 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPolymer composites and self-healingTravaux en français237 207