Characterization of swelling behavior of carbon nano-filler modified polydimethylsiloxane composites
Notice bibliographique
Résumé
Polymers may absorb fluids from their surroundings via the natural phenomenon of swelling. Dimensional changes due to swelling can affect the function of polymer components, such as in the case of seals, microfluidic components and electromechanical sensors. An understanding of the swelling behavior of polymers and means for controlling it can improve the design of polymer components, for example, for the previously mentioned applications. Carbon-based fillers have risen in popularity to be used for the property enhancement of resulting polymer composites. The present investigation focuses on the effects of three carbon-based nano-fillers (graphene nano-platelets, carbon black, and graphene nano-scrolls) on the dimensional changes of polydimethylsiloxane composites due to swelling when immersed in certain organic solvents. For this study, a facile and expedient methodology comprised of optical measurements in conjunction with digital image analysis was developed as the primary experimental technique to quantify swelling dimensional changes of the prepared composites. Other experimental techniques assessed polymer cross-linking densities and elastic mechanical properties of the various materials. The study revealed that the addition of certain carbon-based nano-fillers increased the overall swelling of the composites. The extent of swelling further depended on the organic solvent in which the composites were immersed in. Experimental findings are contrasted with published models for swelling prediction, and the role of filler morphology on swelling behavior is discussed.
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) | 0,001 | 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 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 ».