Surface Hardness of UV-Solidified Coatings Containing In-situ Synthesized, Self-dispersed Nano-gel Domains as a Function of Surface Roughness and Viscoelastic Characteristics
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
UV-curable coatings have attracted the interest of researchers in industry and academia because of their outstanding features. In this paper, the effect of monomer functionality and monomer concentration on the photo-induced nano-gelation of UV-curable coatings has been investigated. The coatings were prepared by incorporating an aliphatic urethane acrylate oligomer with a mono-functional monomer (phenoxy ethyl acrylate (PEA)) or multifunctional acrylate monomers (1,6-hexanediol diacrylate (HDDA) and trimethylolpropane triacrylate (TMPTA)) to form different nano-gel domains. The viscoelastic properties of the coatings, including crosslinking density, glass transition temperature, and elastic modulus, were evaluated using dynamic mechanical thermal analysis (DMTA). The surface hardness of the applied coatings was measured by two different methods: the pendulum hardness test and Knoop micro-indentation. Surface roughness and dimensions of nano-gels were evaluated using scanning electron microscopy (SEM) and atomic force microscopy (AFM). The results showed the effect of nano-gel dimensions on the mechanical properties of coatings. The surface hardness of the coatings obtained by different methods showed the same results. The findings of this study provide important insights into the design and optimization of UV-solidified coatings for applications in the field of automotive coatings.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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