The Effect of Cellulose Nanocrystals (CNC) on Isothermal Crystallization Kinetics of LLDPE and HDPE
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
Abstract Highly porous agglomerates of spray freeze dried cellulose nanocrystals (SFD-CNC) were prepared, starting with sonicated aqueous suspensions of spray-dried cellulose nanocrystals powder (SD-CNC). Subsequently, SFD-CNC together with the SD-CNC (used as a reference) were incorporated into LLDPE and HDPE via melt compounding in a batch mixer to produce nanocomposites containing 0.5 wt.° and 2 wt.° CNC. Differential scanning calorimetry (DSC) was used to study the thermal properties and the isothermal crystallization kinetics of the polyethylenes and the nanocomposites. Polarized light microscopy (PLM) was used to evaluate the growth kinetics and spherulitic structure of polyethylene in both the filled and unfilled polymers. Avrami crystallization kinetics models were employed to analyze the DSC results. It was observed that CNC acts as a heterogeneous nucleating agent in LLDPE nanocomposites, thus yielding nucleation controlled crystallization. On the other hand, in the HDPE systems (polymer and nanocomposites) heterogeneous nucleation was followed by 3-D growth. It was observed that CNC slightly hindered the formation of chain folding for the HDPE, similar to previous studies on the polypropylene and its nanocomposites. Spray freeze drying produced twice as many nucleation sites compared to spray dried samples and it enhanced the overall crystallization rate and the crystallinity.
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