Influence of graphene oxide and graphene nanosheet on the properties of polyvinylidene fluoride 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
In this study, graphene oxide (GO) and graphene nanosheets (GN) were prepared using natural graphite as a reinforcing agent, and different filler contents (1, 2, 3, and 4 wt%) were used to produce nanocomposites based on polyvinylidene fluoride (PVDF). In particular, a melt‐blending method was used as a 10 wt% masterbatch was prepared and then diluted to get the final samples via compression molding. A complete characterization in terms of X‐ray diffraction (XRD), Fourier transform infrared spectroscopy (FTIR), and scanning electron microscopy (SEM) confirmed that GO and GN were of high structural quality. Then, the nanocomposites were characterized in terms of thermal, rheological, electrical, and mechanical performances. The thermal stability of neat PVDF (400°C) was found to increase with both fillers addition reaching at 3 wt% 445 and 463°C for GO and GN, respectively. For the same concentration, the PVDF Young's modulus was found to increase by 32% for GN, while only a 7% gain was observed for GO. Similarly, the rheological and electrical resistivity results showed that GN was more effective than GO in improving the performances of these nanocomposites, with an optimum ∼3 wt% for the conditions tested. POLYM. COMPOS., 39:2932–2941, 2018. © 2017 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.
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 | 0,000 |
| 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 découle