Tailoring the properties of a polymer nanocomposite with a magnetic field
Notice bibliographique
Résumé
The properties of nanocomposites can be tailored by organizing nanoparticles within the polymer matrix, that is, for potential aerospace, automobile, and infrastructure applications. Multiwalled carbon nanotubes are coated with nickel to produce hybrid Ni‐MWNT nanoparticles. These magnetized nanoparticles are introduced into an epoxy matrix at a relatively low 0.25%–1% volume fraction and oriented along particular directions with an external magnetic field . Changing this alignment makes it possible to tailor the properties of the resulting composite material, that is, its tensile strength, microscopic elastic modulus, and electrical resistivity. The alignment imparts anisotropic properties to the bulk material, but when the nanoparticles are aligned in perpendicular directions in two sequential layers, this coupled orientation produces an overall isotropic composite material. The tensile strength of a nanocomposite containing 0.25 vol% of aligned Ni‐MWNT nanoparticles is ∼9% higher than of pure epoxy. Its AC electrical resistivity along the alignment direction is reduced by ∼20% in comparison with an epoxy composite containing a similar volume fraction of randomly dispersed nanoparticles. These outcomes reveal that, even at a relatively low nanoparticle volume fraction, the alignment of Ni‐MWNTs in epoxy with an external magnetic field induces property anisotropy, which can be tuned through multidirectional alignment. POLYM. COMPOS., 40:779–788, 2019. © 2018 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.
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 | 0,000 | 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 | 0,001 | 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 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 ».