An Improved Predictive Model for Effective Thermal Conductivity of Polymer Composites With Non-Dilute Filler Concentrations
Notice bibliographique
Résumé
Abstract Most of the predictive models for thermal conductivity of composites are derived based on the assumption that the filler concentration in the matrix is dilute. This assumption leads to inaccurate predictions when filler concentration is essentially non-dilute and hence there is a need to propose a model that could handle a non-dilute filler concentration. In this work an improved and realistic model for effective thermal conductivity of polymer matrix composites with non-dilute filler’s concentrations is derived and validated by experiments. The proposed model can handle fillers with variable size and shapes. The derivation is based on the Bruggeman’s differential effective medium theory where the high volume fractions can be obtained by incrementally adding ‘small volume fractions’ into the ‘existing composite’ at each stage. The proposed model is validated by experimentally produced different series of ceramic particles-polymer composites. Differently sized and shaped alumina (Al2O3) & aluminum nitride (AlN) particulate fillers, and high density polyethylene (HDPE) & polypropylene (PP) matrices were used as the variable ingredients. Using different combinations of filler, matrix and particle size six different series of composites were produced with variable filler concentrations up to 50% by volume. The microstructure of the produced samples was studied by field emission scanning electron microscope to relate the morphology with the predictions. The predictions of proposed model are found in close agreement with the measured thermal conductivities. To understand the detailed effects of different parameters, parametric studies are presented and discussed. It is found that aspect ratio of particulate fillers is the most sensitive parameter to enhance effective thermal conductivity. Overall, the proposed model is proven to be useful in composite material design for heat transfer applications. It is expected that the proposed model will open new doors for the researchers and polymer composite industry to develop new composite designs for achieving ultrahigh thermal conductivities.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».