Development of cellulose nanocrystal‐reinforced polylactide: A comparative study on different preparation methods
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
A masterbatch of polylactide (PLA) containing cellulose nanocrystals (CNCs) prepared via a solution‐cast method was further diluted with neat PLA in the melt state using either a twin‐screw extruder or an internal batch mixer to reach a final CNC content of 4 wt%. For the sake of comparison, a direct melt mixing method was employed to prepare PLA–CNC composites. Then, the efficiency of the preparation methods was assessed by comparing the morphological, rheological and thermomechanical properties of the compounded samples. Scanning electron microscopy showed the disappearance of large agglomerates when using the PLA–CNC masterbatch. Transmission electron microscopy revealed the existence of well‐dispersed CNCs within the PLA matrix at a nanoscale for masterbatch‐based nanocomposites. The rheological properties of the nanocomposites containing the PLA–CNC masterbatch were significantly increased for both steady and small‐amplitude oscillatory shear flow fields, compared to the composites prepared via direct melt mixing. In addition, the masterbatch‐based nanocomposites exhibited pronounced overshoots in the transient start‐up viscosity. The crystalline content of the PLA in the nanocomposites and the crystallization temperature increased when the CNCs were well dispersed, which showed the nucleating effect of the CNCs. In dynamic mechanical thermal analysis, the storage modulus of the nanocomposites increased up to 41 and 128% in the glassy and rubbery regions, respectively. These results show that hydrophilic CNCs can be well dispersed and reinforce PLA using efficient preparation methods. POLYM. COMPOS., 40:E342–E349, 2019. © 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle