Effect of <scp>POSS</scp>‐grafted titanium dioxide on the electrical and thermal properties of <scp>LDPE</scp>/<scp>T</scp>i<scp>O</scp><sub>2</sub> polymer nanocomposite
Notice bibliographique
Résumé
ABSTRACT Two types of nanocomposites have been fabricated by a ball‐milling technique. The first type consists of untreated titanium dioxide (TiO 2 ) incorporated into low‐density polyethylene (LDPE). For the second one, TiO 2 filler chemically treated with trisilanol phenyl–polyhedral oligomeric silsesquioxane (TP–POSS) as compatibilizing agent was ball‐milled with LDPE. All specimens were tested by microstructure analysis and thermal, dielectric characterization techniques. Microstructure analysis by atomic force microscopy and scanning electron microscopy show clearly an increased dispersion in presence of POSS. Scanning electron microscopy even shows the formation of a particular structure due possibly to interactions between functionalization. It was observed that the modification of the surface of TiO 2 by the POSS decreased the dielectric loss. All nanocomposites containing treated TiO 2 revealed an improvement in thermal conductivity, with the most distinct value of 19% in case of LDPE containing 5 wt % treated TiO 2 . The incorporation of TiO 2 fillers seems to reduce the dielectric breakdown strength of the nanocomposites. However, nanocomposites containing 3 and 5 wt % treated TiO 2 have exhibited a slightly enhancement in dielectric breakdown strength up to 5%. The improvement in surface resistance to partial discharge was found in all nanocomposites specimens, especially for both types of composite containing 7 wt % untreated and treated TiO 2 . © 2017 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2018 , 135 , 46095.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».