New insights into tailoring physicochemical properties for optimizing the anti‐icing behavior of polyurethane coatings
Notice bibliographique
Résumé
Abstract The most popular topcoat in the coatings industry, polyurethane (PU), still lacks an understanding of ice‐related phenomena and hence achieving an icephobic PU‐based coating has remained an important unresolved issue. This work presents fresh perspectives on how factors including chemical characteristics, cross‐link density, and mechanical characterization impact the anti‐icing capabilities and ice‐adhesion of PU coatings. In this regard, the effects of the of aforementioned coatings having various crosslink densities on wettability, ice formation, and ice adhesion were assessed via multiple approaches. Two acrylic polyols with different hydroxyl content and two commonly used aliphatic polyisocyanates with different %NCOs were utilized to fabricate the PU coatings. In addition, coatings were designed with different stoichiometric ratios providing a route to various crosslink densities and mechanical properties. Wettability characteristics were investigated using water contact angle, contact angle hysteresis, and sliding angle. The roles of urethane linkages and hydrogen‐bond formation between water molecules and urethane composition of PU coatings on ice nucleation and ice adhesion were studied through DSC, push‐off, and centrifugal tests. Mechanical characteristics and surface roughness of the coatings were investigated by tensile test and optical profilometer, respectively.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».