Effect of a novel green modification of alumina nanoparticles on the curing kinetics and electrical insulation properties of epoxy composites
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
Abstract A novel green surface modification was successfully implemented on alumina nanoparticles using chitosan (CS) to prevent nanoparticles' aggregation. To evaluate the surface changes of nanoparticles, FTIR, TGA, TEM, and SEM analyses were used. The cure kinetics of the uncured samples was analyzed by DSC. Different methods such as KAS, Friedman, Starink, and FWO were applied to measure the activation energy. The activation energy of epoxy reinforced with chitosan‐functionalized alumina (epoxy/[CS‐EPO‐alumina]) was less than that of epoxy reinforced with alumina (epoxy/alumina), which was a confirmation of the positive effect of CS on curing reaction kinetics. Using the Malek method, the Sestak‐Berggren autocatalytic equation was chosen to investigate the cure kinetics of the epoxy. It was found that the Sestak‐Berggren equation is well matched with the experimental data and the model was suitable to predict the epoxy curing reaction reliably. Moreover, the glass transition temperatures of all samples were approximately the same. The effect of surface modification of alumina on the electrical insulating behavior of epoxy was also studied. It was found that CS functionalized alumina (CS‐EPO‐alumina) increased volume resistivity of epoxy at a temperature range of 30 to 80°C more than that of alumina. Electric stability and breakdown strength of epoxy/alumina and epoxy/(CS‐EPO‐alumina) also enhanced, where epoxy/(CS‐EPO‐alumina) experienced a further increase compared to epoxy.
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 | 0,000 | 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) | 0,000 | 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