Effect of Mixing Methods and Black Conductive Fillers on Properties of Natural Rubber Composites
Notice bibliographique
Résumé
Carbon black, graphite, carbon nanofibers, carbon nanotubes, and metal fillers increase composite conductivity in natural rubber, which is electrically insulating. Depending on dispersion, conductive filler lowers insulating material resistivity. These materials are frequently used for electromagnetic/radio frequency interference (EMI/RFI) shielding, conductive flexible seals gaskets, and conductive mats used to prevent electrostatic damage to electronic devices. These elastomers could be used to make flexible solar cells or mechanical-to-electricity devices. Temperature, mixing time, shear rate, and cross-linking during vulcanization affect rubber electrical conductivity of composite. To study shear rate effects, vulcanizate of Natural Rubber-based composites filled with carbon black, millable carbon fiber powder, and synthetic graphite powder was prepared by open mixing (two roll mill) and close mixing (internal mixer). We compared how shear rate affects cure, stress-strain, and volume resistivity of conductive filler-based Natural Rubber composites. Increment in clearance of two roll mill during addition of rubber additives along with rubber of reduced the shearing force resulted in less dispersive and distributive mixing and stagnant points due to band formation on roll surface compared to intermix where compound movement had no stagnation point and long wings pushed material axially and two nogs pushed material in other chamber. Compared to two roll mill samples, the compound reached every point of the mixing chamber for best homogeneity, reducing cure time and improving stress-strain and volume resistivity.
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 | 0,010 | 0,001 |
| 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 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».