Mechanical Properties of a Biocomposite Based on Carbon Nanotube and Graphene Nanoplatelet Reinforced Polymers: Analytical and Numerical Study
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
Biocomposites based on thermoplastic polymers and natural fibers have recently been used in wind turbine blades, to replace non-biodegradable materials. In addition, carbon nanofillers, including carbon nanotubes (CNTs) and graphene nanoplatelets (GNPs), are being implemented to enhance the mechanical performance of composites. In this work, the Mori–Tanaka approach is used for homogenization of a polymer matrix reinforced by CNT and GNP nanofillers for the first homogenization, and then, for the second homogenization, the effective matrix was used with alfa and E-glass isotropic fibers. The objective is to study the influence of the volume fraction Vf and aspect ratio AR of nanofillers on the elastic properties of the composite. The inclusions are considered in a unidirectional and random orientation by using a computational method by Digimat-MF/FE and analytical approaches by Chamis, Hashin–Rosen and Halpin–Tsai. The results show that CNT- and GNP-reinforced nanocomposites have better performance than those without reinforcement. Additionally, by increasing the volume fraction and aspect ratio of nanofillers, Young’s modulus E increases and Poisson’s ratio ν decreases. In addition, the composites have enhanced mechanical characteristics in the longitudinal orientation for CNT- reinforced polymer and in the transversal orientation for GNP-reinforced polymer.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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