MétaCan
Menu
Retour à la cohorte
Enregistrement W3089227683 · doi:10.3390/polym12102217

Development of Biodegradable Flame-Retardant Bamboo Charcoal Composites, Part I: Thermal and Elemental Analyses

2020· article· en· W3089227683 sur OpenAlexaff
Shanshan Wang, Liang Zhang, Kate Semple, Min Zhang, Wenbiao Zhang, Chunping Dai

Notice bibliographique

RevuePolymers · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFire retardantLimiting oxygen indexMaterials scienceComposite materialCharComposite numberCarbonizationPolylactic acidPyrolysisBambooWaste managementPolymer

Résumé

récupéré en direct d'OpenAlex

In this study, bamboo charcoal (BC) was used as a substitute filler for bamboo powder (BP) in a lignocellulose-plastic composite made from polylactic acid (PLA), with aluminum hypophosphite (AHP) added as a fire retardant. A set of BC/PLA/AHP composites were successfully prepared and tested for flame-retardancy properties. Objectives were to (a) assess compatibility and dispersibility of BC and AHP fillers in PLA matrix, and (b) improve flame-retardant properties of PLA composite. BC reduced flexural properties while co-addition of AHP enhanced bonding between PLA and BC, improving strength and ductility properties. Adding AHP drastically reduced the heat release rate and total heat release of the composites by 72.2% compared with pure PLA. The formation of carbonized surface layers in the BC/PLA/AHP composites effectively improved the fire performance index (FPI) and reduced the fire growth index (FGI). Flame-retardant performance was significantly improved with limiting oxygen index (LOI) of BC/PLA/AHP composite increased to 31 vol%, providing a V-0 rating in UL-94 vertical flame test. Adding AHP promoted earlier initial thermal degradation of the surface of BC/PLA/AHP composites with a carbon residue rate up to 40.3%, providing a protective layer of char. Further raw material and char residue analysis are presented in Part II of this series.

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 candidatesaucune
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 enseignants0,011
Score d'incertitude au seuil0,688

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)0,0010,000

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 Opus0,042
Tête enseignante GPT0,274
Écart entre enseignants0,232 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations30
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207