Blends of polylactic acid with thermoplastic copolyester elastomer: Effect of functionalized terpolymer type on reactive toughening
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
This study is an attempt to explore the effectiveness of thermoplastic copolyester elastomer (TPCE) as a toughening agent for improving the impact strength of PLA. Biobased Hytrel ® thermoplastic copolyester of polyether glycol and polybutylene terephthalate was selected as the TPCE of choice for this study. Blends of PLA/Hytrel at varying weight ratios were prepared using extrusion followed by injection molding technique. Optimal synergies of two polymers were found in the PLA/Hytrel (70/30) blend, showing impact strength of 234 J/m, a sixfold increase compared to neat PLA. In order to obtain further enhancement in toughness, different functionalized terpolymers were added to accomplish reactive compatibilization. A series of functionalized terpolymers, ethylene methyle acrylate‐glycidyl methacrylate (EMA‐GMA), ethylene butyl acrylate‐glycidyl methacrylate (EBA‐GMA), ethylene methyl acrylate‐maleic anhydride (EMA‐MaH), and ethylene butyl acrylate‐maleic anhydride (EBA‐MaH) were selected. Comparing PLA ternary blends with different terpolymers, GMA containing terpolymers showed better impact toughness compared to MaH terpolymer blends. Unique fracture surface morphology showing debonding cavitation and massive shear yielding in the ternary blends containing EMA‐GMA resulted in super toughened blends. Highest zero shear viscosity and storage modulus was also observed for ternary blends with EMA‐GMA. Under the processing conditions and blend ratio investigated, EMA‐GMA showed better efficiency in improving the toughness of the PLA blends. POLYM. ENG. SCI., 58:280–290, 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 | 0,001 |
| 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 découle