Influence of the Alkaline Treatment of Eucalyptus Fibres on the Mechanical Behaviour of Low-Density Polyethylene Composites
Notice bibliographique
Résumé
The use of plant fibers in the formulation of polymer matrix composites requires prior treatment of the fibers. This treatment can be chemical, mechanical or the use of a coupling agent (usually copolymers). In the present study, the aim is to chemically treat the fibers. This involves treatment with 6% (w/v) sodium hydroxide. One of the aims of this study is to examine the influence of this treatment on the maximum loadings of the LDPE/eucalyptus fiber (EF) material. The LDPE matrix is readily available as virgin or recyclable waste, its low melting point between 105°C and 115°C makes it suitable for handling over a reasonable temperature range, and its mechanical strength holds up well before dropping between 75°C and 90°C. At the end of its useful life, this polymer is generally abandoned and becomes a source of environmental pollution, requiring recycling. All these advantages motivated the choice of LDPE in this study, the second aim of which is to produce environmentally friendly pavers. This choice also helps to reduce the pollution associated with LDPE polymers. The availability, fast growth, low density, and low cost of eucalyptus motivated the choice of eucalyptus species. 0%, 15% and 25% treated and untreated short fiber were used to formulate the composites. However, treated fiber-reinforced composites showed an improvement in ultimate tensile strength over untreated fiber composites. Microscopic (SEM-EDX) and FTIR-ATR analyses were carried out on the composites to determine their topology, as well as on the treated and untreated fibers to determine the change in functional groups after treatment. Fiber roughness is improved after treatment with NaOH.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».