Investigation of the Influence of Different Filler Contents of Wine Pomace in PBS on Fracture Mechanics Properties
Notice bibliographique
Résumé
Biobased polybutylene succinate (PBS) represents a promising alternative to petrochemical-based polymers. The use of this biopolymeris limited in many areas by its low resilience against environmental influences. With the help of bio-based stabilizers the thermo-oxidative degradation process can be slowed down. Suitable stabilizing additives are natural antioxidants present in plant extracts with a high flavonoid content, which can be found in grapes, wine and wine by-products. PBS was modified with two different bio-stabilizers based on wine grape pomace. The highest filler content tested was 20 wt.-%. In addition to improving stability, the additives also impact the polymer’s mechanics. The influence of these functional fillers on the fracture mechanical properties was examined in a quasi-static test. The crack growth was recorded using integrated video monitoring. Based on the results, the corresponding crack resistance curve and tearing modulus were determined depending on filler type and content. Additional optical analysis was used to correlate fracture mechanics and structure. The two bio-stabilizers based on red (RWP) and white wine pomace (WWP) differs distinctly in terms of their influence on fracture mechanical properties. The Influence of RWPon the fracture toughness is significantly higher than that of WWP. Especially at lower filler contents with RWP, there is a strong increase in the fracture mechanics parameter tearing modulus (TJ) and an increase in the slope of the R-curve. With 5 wt.% RWP DOM the TJ is 13.64 x 102, whereas with WWP Silv a value of only 6.39 x 102 can be achieved. This difference is also reflected in the increase in the R-curves. With 5 wt.% a slope of the fitted R-curve of 265.59 (RWP DOM) and 121.02 (WWP Silv) could be determined with the first derivative. In the optical analysis it was noticeable that the RWP particles were more homogeneously dispersed in the matrix while the WWP filler tended to agglomerate. The inhomogeneous distribution and strong agglomeration tendency can be attributed to a higher sugar content of WWP and a higher particle size distribution. The top cut (D97) of WWP Silv is 62.37 ± 0.05 µm and that of RWP DOM is 51.97 ± 0.09 µm.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».