A statistical approach to develop biocomposites from epoxy resin, poly(furfuryl alcohol), poly(propylene carbonate), and biochar
Notice bibliographique
Résumé
ABSTRACT Epoxy composites are typically petroleum based and prone to fracture. Increasing concerns about climate change have motivated scientists to find green alternatives. To address both drawbacks, effect of addition of poly(propylene carbonate) polyol (PPC), a polyol derived from carbon dioxide, and biochar, a byproduct of pyrolysis in an epoxy/poly(furfuryl alcohol) (PFA) network was studied. It is hypothesized that addition of PPC will increase impact strength while addition of inexpensive biochar will offset cost of final product. In addition, incorporation of PFA, PPC, and biochar can increase biobased content of thermoset. A statistical approach was used to find a systematic correlation between constituent contents and mechanical properties of biocomposites. Mixture design of experiment and backward elimination regression were used to model mechanical properties of biocomposites. The fitted models showed a great ability to predict mechanical properties of new formulations. Addition of 10% biochar increased tensile strength and toughness by 13% and 34%, respectively. Biochar also increased modulus while it had adverse effect on impact strength. Promising effect of PPC on toughening of matrix was proved and it was found that addition of 30% of PPC increased impact strength by fivefolds. © 2017 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2017 , 134 , 45307.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».