Effect of Graphene Oxide as a Reinforcement in a Bio-Epoxy Composite
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Graphene oxide (GO) has gained interest within the materials research community. The presence of functional groups on GO offers exceptional bonding capabilities and improved performance in lightweight polymer composites. A literature review on the tensile and flexural mechanical properties of synthetic epoxy/GO composites was conducted that showed differences from one study to another, which may be attributed to the oxidation level of the prepared GO. Herein, GO was synthesized from oxidation of graphite flakes using the modified Hummers method, while bio-epoxy/GO composites (0.1, 0.2, 0.3 and 0.6 wt.% GO) were prepared using a solution mixing route. The GO was characterized using Fourier transform infrared (FTIR) spectroscopy, scanning electron microscopy (SEM) and transmission electron microscope (TEM) analysis. The thermal properties of composites were assessed using thermogravimetric analysis (TGA) and differential scanning calorimetry (DSC). FTIR results confirmed oxidation of graphite was successful. SEM showed differences in fractured surfaces, which implies that GO modified the bio-epoxy polymer to some extent. Addition of 0.3 wt.% GO filler was determined to be an optimum amount as it enhanced the tensile strength, tensile modulus, flexural strength and flexural modulus by 23, 35, 17 and 31%, respectively, compared to pure bio-epoxy. Improvements in strength were achieved with considerably lower loadings than traditional fillers. Compared to the bio-epoxy, the 0.6 wt.% GO composite had the highest thermal stability and a slightly higher (positive) glass transition temperature (Tg) was increased by 3.5 °C, relative to the pristine bio-epoxy (0 wt.% GO).
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle