Sustainable 3D-printed cellulose-based biocomposites and bio-nano-composites: Analysis of dielectric performances
Notice bibliographique
Résumé
The development of cellulose-reinforced biomaterials appears to be an attractive approach for the production of sustainable materials with good mechanical properties. Although 3D printing of cellulose-reinforced biomaterials has become popular, there is very little feedback regarding their use in electrical insulation applications. This study aims to propose bio-nano-composites containing polylactic acid (PLA), microcrystalline (MCC) and nanocrystalline (NCC) cellulose by fused filament fabrication (FFF) for electrical insulation applications. The influence of the 3D printing process, cellulose content and filler size on dielectric properties was investigated. The addition of cellulosic fillers, and considering their high polarity, increased the dielectric constant (ε'), dielectric loss (ε''), as well as the AC electrical conductivity (σAC) of the composites. Cellulosic fillers also increased the crystallization rate of the materials. At equivalent content, the highest polarization potential were observed for NCC-based composites and were attributed to the nanofiller's better dispersion and available specific surface area. Finally, the 3D printing process affects all the measured properties, due to a combined effect (lower crystalline content and voids presence). The porosity rate was measured at 2.5 % for the neat PLA and increased progressively from 3.1 % to 5.8 % for the cellulose-based composites. These findings showed the benefits provided by the FFF technology in the production of cellulose-based biocomposites with good electrical insulation properties, while noting some needed feedback on the thermomechanical properties of such materials.
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 | 0,001 | 0,003 |
| 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 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 ».