Electrospinning of High-Performance Nanofibres: State of the Art and Insights into the Path Forward
Notice bibliographique
Résumé
Nanofibrous membranes have gained interest for their small pore size, light weight, and excellent filtration. When produced from high-performance polymers, nanofibrous membranes also benefit from excellent mechanical properties, thermal resistance, and chemical resistance. Electrospinning is a common method of producing high-performance nanofibres. However, there are still major challenges with the dissolution and electrospinning of these polymers, as well as in the performance of the resulting nanofibres, which is often less than what would be expected from a conventional high-performance fibre. This review assesses the state of progress in the electrospinning of five high-performance fibres: meta-aramid (m-aramid), para-aramid (p-aramid), polyamide-imide (PAI), polybenzoxazole (PBO), and polybenzimidazole (PBI). Polymers that can be readily dissolved in organic solvents, such as m-aramid, PAI, and PBI, have been more widely researched for electrospinning compared to those that can only be spun from precursors or dissolved in non-volatile solvents. Major focuses within the literature include optimizing the electrospinning process and improving the mechanical performance of the nanofibres. This review demonstrates a clear need for more standardized characterization methods and consideration for the longevity of the nanofibrous membranes. Future research should also focus on scale-up methods of electrospinning so that the benefits of nanofibres made from high-performance polymers can be leveraged by the industry.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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 ».