Physical Hybrid of Nanographene/Carbon Nanotubes as Reinforcing Agents of NR-Based Rubber Foam
Notice bibliographique
Résumé
Natural rubber (NR) foams reinforced by a physical hybrid of nanographene/carbon nanotubes were fabricated using a two-roll mill and compression molding process. The effects of nanographene (GNS) and carbon nanotubes (CNT) were investigated on the curing behavior, foam morphology, and mechanical and thermal properties of the NR nanocomposite foams. Microscope investigations showed that the GNS/CNT hybrid fillers acted as nucleation agents and increased the cell density and decreased the cell size and wall thickness. Simultaneously, the cell size distribution became narrower, containing more uniform multiple closed-cell pores. The rheometric results showed that the GNS/CNT hybrids accelerated the curing process and decreased the scorch time from 6.81 to 5.08 min and the curing time from 14.3 to 11.12 min. Other results showed that the GNS/CNT hybrid improved the foam’s curing behavior. The degradation temperature of the nanocomposites at 5 wt.% and 50 wt.% weight loss increased from 407 °C to 414 °C and from 339 °C to 346 °C, respectively, and the residual ash increased from 5.7 wt.% to 12.23 wt.% with increasing hybrid nanofiller content. As the amount of the GNS/CNT hybrids increased in the rubber matrix, the modulus also increased, and the Tg increased slightly from −45.77 °C to −38.69 °C. The mechanical properties of the NR nanocomposite foams, including the hardness, resilience, and compression, were also improved by incorporating GNS/CNT hybrid fillers. Overall, the incorporation of the nano hybrid fillers elevated the desirable properties of the rubber foam.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».