Highly tough and flame retardant polystyrene composites by elastomeric nanofibers and hexagonal boron nitride
Notice bibliographique
Résumé
Thermoplastics flammability remains a considerable threat during fire incidents. Conventionally, halogen-free fire retardant (FR) additives are incorporated into thermoplastics to reduce fire hazards. However, the incorporation of FR additives compromises the mechanical properties (most notably, toughness) of thermoplastics, which has impeded the development of thermoplastic products that possess both high mechanical and fire retarding performances. This study reports an in situ nano-fibrillation strategy to fabricate thermoplastics that exhibit fire retarding properties and a combination of high stiffness and toughness. The proposed composites were composed of in situ thermoplastic polyester elastomer (SBC) nanofibers within a polystyrene (PS) matrix containing hexagonal boron nitride (hBN) as the FR additive. The presence of elastomeric nanofibers successfully mitigated the losses in mechanical performances caused by the incorporation of 2 wt% hBN. Specifically, the inclusion of 15 wt% SBC nanofibers significantly enhanced the toughness of the PS-hBN composite by 350% with negligible effects on the stiffness as compared to neat PS. Furthermore, the presence of nanofibers resulted in synergies with hBN to fabricate composites with enhanced fire retarding performance since the total heat release (THR) of PS-hBN composite decreased from 212 to 189 MJ m−2 with 10 wt% nanofibers. Thus, nanofibers behave as a multifunctional component that compensated for the losses in mechanical performances caused by hBN incorporation, while enhancing the fire retarding performance. This strategy can be effectively implemented to fabricate the next generation of polymer composites with high fire retarding and mechanical properties for various applications including energy storage packs for batteries and electronics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».