Polyurethane Mixed Matrix Membranes for Gas Separation: A Systematic Study on Effect of SiO2/TiO2 Nanoparticles
Notice bibliographique
Résumé
In this study, the effect of SiO2 and TiO2 nanoparticles on the gas separation performance of the polyurethane (PU) membranes has investigated. Polyurethanes were synthesized by bulk two step polymerization of polytetramethyleneglycol (PTMG)/polycaprolactone (PCL): isophorone diisocyanate (IPDI)/hexamethylene diisocyanate (HMDI): 4,4'-methylenebis(2-chloroaniline) (MOCA) in mole ratios of 1:3:2. Silica nanoparticles were synthesized using the sol-gel method by hydrolysis of tetraethoxysilane (TEOS) while commercial TiO2 nanoparticles were used. The neat PU membrane and PU-SiO2, PU-TiO2 and PU-SiO2-TiO2 flat sheet asymmetric mixed matrix membranes (MMMs) were fabricated by phase inversion and characterized by Fourier transform infrared (FTIR) spectroscopy, scanning electron microscopy (SEM) and differential scanning calorimetry (DSC) analyses. Although SEM observation showed uniform distribution of SiO2 and TiO2 nanoparticles inside the polymer matrix, agglomerated nanoparticles were observed at high silica contents in the MMMs of different SiO2/TiO2 ratios. Permeability of membrane samples were measured using pure CO2, CH4, N2 and O2 as test gases. The experimental results revealed that SiO2 and TiO2 could increase permeability of all gases when used separately or in combination. It was shown that when SiO2 and TiO2 were added in combined form, the separation performance of MMMs could be improved signifcantly; either permeability increased up to 120 barrer or CO2/N2 selectivity up to 34, although the individual effect of SiO2 and TiO2 on the selectivity of gas pairs was different.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».