Swelling Resistance and Water-Induced Shape Memory Performances of Sisal Cellulose Nanofibers/Polyethylene Glycol/Citric Acid Nanocellulose Papers
Notice bibliographique
Résumé
In this work, a kind of nanocomposite paper was obtained by evaporation-induced self-assembly of a mixture of sisal cellulose nanofibers (CNF) and polyethylene glycol (PEG) as the matrix and citric acid (CA) as a cross-linking agent. The CNF/PEG/CA paper exhibited good water swelling resistance which could be controlled by changing the concentration of CA. In addition, this nanocomposite paper exhibited good mechanical properties and water-induced shape memory performance. In particular, when the dosage of CA was 30 wt.%, the tensile strength and the tensile modulus of the CNF/PEG/CA paper after swelling were 25.2 MPa and 813.0 MPa, respectively. Further, this nanocomposite showed great potential for water-induced shape memory materials with fast response speed. The shape recovery rate ( Rr ) of the CNF/PEG/CA paper reached 90.2% with 30 wt.% CA after being immersed in water for 11 s. It is anticipated that our current work can be used to exploit more efficient methods to overcome the poor water swelling resistance of the cellulose-based shape memory materials.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».