MétaCan
Menu
Retour à la cohorte
Enregistrement W2534410736 · doi:10.1002/pat.3908

Polymer ferroelectret based on polypropylene foam: piezoelectric properties prediction using dynamic mechanical analysis

2016· article· en· W2534410736 sur OpenAlexafffund
Abolfazl Mohebbi, Frej Mighri, Abdellah Ajji, Denis Rodrigue

Notice bibliographique

RevuePolymers for Advanced Technologies · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversité LavalPolytechnique MontréalAS Composite (Canada)
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceComposite materialBlowing agentPolypropyleneExtrusionPiezoelectricityDynamic mechanical analysisScanning electron microscopePiezoelectric coefficientPolymerPolyurethane

Résumé

récupéré en direct d'OpenAlex

Thin polypropylene (PP) foam films were produced by continuous extrusion using supercritical nitrogen (N 2 ) and then charged via corona discharge. The samples were characterized by dynamic mechanical analysis as a simple method to predict the piezoelectric properties of the cellular PP obtained. The results were then related to morphological analysis based on scanning electron microscopy and mechanical properties in tension. The results showed that the presence of a nucleating agent (CaCO 3 ) substantially improved the morphology (in terms of cell size and cell density) of the produced foam. Also, an optimization of the extrusion (screw design, temperature profile, blowing agent, and nucleating agent content) and post‐extrusion (calendering temperature and speed) conditions led to the development of a stretched eye‐like cellular structure with uniform cell size distribution. This morphology produced higher storage and loss moduli in the machine (longitudinal) direction than for the transverse direction, as well as higher piezoelectric properties. The morphological and mechanical results showed that higher cell aspect ratio led to lower Young's modulus, which is suitable to achieve higher piezoelectric properties. Finally, the best quasi‐static piezoelectric d 33 coefficient was 550 pC/N for a cellular PP ferroelectret having a uniform eye‐like cellular structure using N 2 as the ionizing gas inside the cells, while the highest value was only 250 pC/N when air was used. Hence, the value of d 33 can be improved by more than 100% just by replacing air with N 2 as the ionizing gas. Copyright © 2016 John Wiley & Sons, Ltd.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,015
Tête enseignante GPT0,228
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), 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

Citations23
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymers for Advanced TechnologiesMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207