Dispersion Characteristics, the Mechanical, Thermal Stability, and Durability Properties of Epoxy Nanocomposites Reinforced with Carbon Nanotubes, Graphene, or Graphene Oxide
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
Carbon-based nanoparticles (CBNs) are regarded as promising nanofillers in nanocomposites to produce high-performance fiber-reinforced polymers (FRPs). To date, no systematic investigations have been carried out on the structural variations of nanofillers and their influences on dispersion characteristics, which give nanocomposites their mechanical and durability properties. Moreover, environmentally unfriendly organic solvents are used to exfoliate and disperse CBNs in a polymer matrix. This study developed a green, easy approach to preparing epoxy/CBN nanocomposites. We demonstrated graphene oxide's (GO) effective dispersion capacity, creating good interface interaction that dramatically influenced properties at loadings as low as 0.4 wt%. The tensile strength and toughness of the epoxy increased by about 49%; and 160%, respectively. Incorporating 0.4 wt% of multi-wall carbon nanotubes (MWCNTs), graphene nanoplates (GNPs), or GO into the epoxy increased the modulus storage by around 17%, 25%, and 31%, respectively. Fractography analysis of fracture surfaces indicated the primary reinforcing mechanisms (crack deflection and penning) as well as the secondary mechanism (bridging effect) enhancing the mechanical characteristics of nanocomposites. Incorporating GNPs, GO, or MWCNTs into the epoxy decreased the water absorption at saturation by about 26%, 22%, and 16%, 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.
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 | 0,001 |
| 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