MétaCan
Menu
Retour à la cohorte
Enregistrement W2991137864 · doi:10.1002/pc.25448

Mechanical and thermal properties of polyethylene/carbon nanofiber composites produced by rotational molding

2019· article· en· W2991137864 sur OpenAlexaff
Zenen Zepeda‐Rodríguez, Martin R. Arellano‐Martínez, Emilio Cruz‐Barba, Adalberto Zamudio‐Ojeda, Denis Rodrigue, Milton Vázquez‐Lepe, Rubén González‐Núñez

Notice bibliographique

RevuePolymer Composites · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Foaming and Composites
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialDifferential scanning calorimetryUltimate tensile strengthNanocompositeX-ray photoelectron spectroscopyPolyethyleneMolding (decorative)Carbon nanofiberCarbon nanotubeChemical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Nanocomposites based on carbon nanofibers (CNFs) and linear medium density polyethylene (LMDPE) were prepared by rotational molding. In particular, a simple dry‐blending process was used to add different CNF contents (0, 0.01, 0.1, and 1.0 wt%). To improve the fiber‐matrix adhesion, the CNF were treated by an oxygen cold plasma and the level of surface modification was analyzed by differential scanning calorimetry (DSC) and X‐ray photoelectron spectroscopy (XPS). From the samples produced a complete set of morphological, mechanical, rheological, and thermal characterization was performed. By following the internal air temperature while rotomolding, it was possible to detect the LMDPE melting and crystallization temperature and the values were confirmed by DSC. On the other hand, the XPS results show that the plasma treatment increased the CNF oxygen content and possibly the surface roughness. In general, the mechanical properties of the nanocomposites were improved by the addition of low CNF content: impact strength (30%), tensile modulus (20%), tensile strength (8%), elongation at break (35%), and toughness (70%).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymer CompositesMême sujetPolymer Foaming and CompositesTravaux en français237 207