Hollow Fiber Porous Nanocomposite Membranes Produced via Continuous Extrusion: Morphology and Gas Transport Properties
Notice bibliographique
Résumé
In this work, hollow fiber porous nanocomposite membranes were successfully prepared by the incorporation of a porous nanoparticle (zeolite 5A) into a blend of linear low-density polyethylene (LLDPE)/low-density polyethylene (LDPE) combined with azodicarbonamide as a chemical blowing agent (CBA). Processing was performed via continuous extrusion using a twin-screw extruder coupled with a calendaring system. The process was firstly optimized in terms of extrusion and post-extrusion conditions, as well as formulation to obtain a good cellular structure (uniform cell size distribution and high cell density). Scanning electron microscopy (SEM) was used to determine the cellular structure as well as nanoparticle dispersion. Then, the samples were characterized in terms of mechanical and thermal stability via tensile tests and thermogravimetric analysis (TGA), as well as differential scanning calorimetry (DSC). The results showed that the zeolite nanoparticles were able to act as effective nucleating agents during the foaming process. However, the optimum nanoparticle content was strongly related to the foaming conditions. Finally, the membrane separation performances were investigated for different gases (CO₂, CH₄, N₂, O₂, and H₂) showing that the incorporation of porous zeolite significantly improved the gas transport properties of semi-crystalline polyolefin membranes due to lower cell wall thickness (controlling permeability) and improved separation properties (controlling selectivity). These results show that mixed matrix membranes (MMMs) can be cost-effective, easy to process, and efficient in terms of processing rate, especially for the petroleum industry where H₂/CH₄ and H₂/N₂ separation/purification are important for hydrogen recovery.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 0,001 |
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 ».