Unravelling the Effect of Chain and Branch Content on Viscosity of Polyisobutylene-Mineral Oil Blends by Modelling and its Tribological Properties
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
The viscosity index is a fundamental property of lubricating oils and greases that significantly affects their lubrication performance under diverse temperature conditions. This study aims to investigate the influence of chain length and branch content on the viscosity of polyisobutylene (PIB)-blend mineral oil. To achieve this objective, mathematical models are employed to predict the specific volume, Vander Waals volume, structural factor, friction factor, molecular weight, and specific viscosity of lubricant blends and their correlation with macromolecular structure. Furthermore, analytical techniques such as Gel Permeation Chromatography (GPC), Nuclear Magnetic Resonance (NMR), and CHNS elemental analyzer are utilized to forecast the appropriate molecular structure of mineral-based oil. The purpose of this research is to comprehend the impact of the macromolecular structure of lubricants on their viscosity, particularly in the case of polyisobutylene (PIB)-blend mineral oil. Overall, the concentration of PIB was found to directly influence the friction (15.3%) and wear (5.6%) performance of the mineral oil explored following ASTM 4172 standard. The mathematical models and analytical techniques employed used in this study can accurately forecast the specific volume, Vander Waals volume, structural factor, friction factor, molecular weight, and specific viscosity of lubricant blends and their relationship with macromolecular structure.
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 | 0,000 | 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 découle