High-fiber content composites produced from mixed textile waste: Balancing cotton and polyester fibers for improved composite performance
Notice bibliographique
Résumé
This study investigates the effect of fibers from cotton and polyester textiles on the properties of fiber-reinforced polypropylene (PP) composites aimed at durable and load-bearing materials. Herein we developed a process-centered strategy to introduce 52 wt% of fibers within the thermoplastic matrix, while ensuring proper interfacial coupling. We examined the mechanical, thermal, and rheological properties of composite materials that integrated cotton and polyester waste fibers into PP matrices with different coupling agents. Our findings highlight that the balance between cotton and polyester fibers significantly influences tensile strength and stiffness, while the choice of coupling agent (maleic anhydride or glycidyl methacrylate) impacts fiber-matrix adhesion and overall material performance. Optimal tensile strength and strain are achieved with equal proportions of cotton and polyester. Utilizing a blend of coupling agents to accommodate both hydrophilic and hydrophobic fibers enhances material strength overall. The stepwise pressing-extrusion composite preparation method enabled the creation of materials containing more recycled textile fibers than the virgin polymeric binder, providing a material-focused alternative for utilizing textile waste. Thermogravimetric analysis demonstrated that the presence of textile fibers and coupling agents enhances the thermal resistance of the composites, while differential scanning calorimetry indicated improvements in structural integrity and stability under thermal stress. This research underscores the potential of mixed textile waste as a valuable resource for developing composite materials. Our work contributes to the circular economy by presenting a viable solution that complements traditional textile-to-textile recycling strategies and can be implemented in the near future.
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) | 0,001 | 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 | 0,001 |
| 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 ».