Toughening of polylactide nanocomposites with an ethylene alkyl acrylate copolymer: Effects of the addition of nanoparticles on phase morphology and fracture mechanisms
Notice bibliographique
Résumé
Melt compounding of polylactide with ductile polymers is widely proposed as an efficient alternative to overcome its inherent brittleness. An ethylene alkyl acrylate is used as toughening modifier of polylactide. A two‐phase morphology is detected by melt blending of Polylactide and Biomax Strong. Furthermore, the effect of the addition of organically modified nanoparticles, Cloisite 15A, on phase morphology is investigated. A transesterification reaction occurs between the matrix and the toughening modifier, leading to the formation of a terpolymer at the interface in the polymer blends, influencing the interfacial properties. This transesterification reaction is effectively catalyzed by the incorporation of the nanoparticles. The in situ formed terpolymer reveals a distinct glass transition, as the polylactide blocks along the terpolymer chain architecture restricted the segmental mobility of the ethylene alkyl acrylate blocks. The development of the terpolymer suppressed the decrease of the complex viscosity within the timeframe of the dynamic measurements. Multiple crazing is the major energy dissipation mechanism in the deformation of hybrids. The formation of an interconnected morphology in the hybrids triggers a remarkable toughening of polylactide, through the enhanced contribution of matrix plastic deformation. POLYM. ENG. SCI., 56:1415–1424, 2016. © 2016 Society of Plastics Engineers
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 | 0,000 | 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 ».