MétaCan
Menu
Retour à la cohorte
Enregistrement W4283715694 · doi:10.1002/pc.26846

Natural rubber biocomposites reinforced with cellulose nanocrystals/lignin hybrid fillers

2022· article· en· W4283715694 sur OpenAlexafffund
Hossein Kazemi, Frej Mighri, Keun Wan Park, Slim Frikha, Denis Rodrigue

Notice bibliographique

RevuePolymer Composites · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLigninMaterials scienceUltimate tensile strengthComposite materialNatural rubberCelluloseBiopolymerComposite numberCarbon blackCuring (chemistry)Dynamic mechanical analysisFlexural strengthPolymerChemical engineeringOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, a novel hybrid system containing lignin and cellulose nanocrystals (CNC) is developed to reinforce natural rubber (NR) and produce high‐performance biocomposites. Firstly, the effect of lignin content in lignin/NR biocomposites is investigated. Despite lignin's advantages as an inexpensive biopolymer, its addition to NR results in longer cure time, reduced tensile strength and increased loss factor (tan δ); that is, lignin addition has a negligible reinforcing effect compared to conventional fillers, such as carbon black (CB). On the other hand, adding only 7.5 parts per hundred rubber (phr) of CNC to lignin/NR compounds decreased the curing time (14%) and loss factor (55% at 10% strain), while increasing the bound rubber content (37%), modulus at 100% strain (101%) and tensile strength (36%). CNC/lignin/NR bionanocomposites exhibited comparable mechanical properties and even better dynamical mechanical properties (53% lower loss factor at 10% strain) than conventional composites reinforced with CB. The optimum lignin content in the NR composite was 40 phr, while the percolation threshold for CNC was around 7 phr.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,205
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymer CompositesMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207