Optimizing Conductive Polymer Composites: The Role of Graphite Particle Size and Concentration in PVDF, PP, and PET Matrices
Notice bibliographique
Résumé
This study investigates the impact of graphite (GR) concentration and particle size on the performance of conductive polymer composites (CPCs) using polyvinylidene fluoride (PVDF), polypropylene (PP), and polyethylene terephthalate (PET) as matrix materials. Composites were prepared with GR concentrations ranging from 20 to 60 wt. % and particle sizes categorized as G1 (5.9 µm), G2 (17.8 µm), and G3 (561 µm), and evaluated for their electrical, thermal, and mechanical properties. The investigation of the effect of graphite particle size on composite properties represents the main originality of this work. Among all composites, PVDF containing 60 wt. % of medium-sized G2 particles exhibited the lowest electrical resistivity (0.77 ohm·cm through-plane and 0.69 ohm·cm in-plane), along with the highest residual ash content (72%). In PP and PET matrices, incorporating 60 wt. % G2 particles resulted in through-plane resistivities of 11.3 ohm·cm and 1.6 ohm·cm, and in-plane resistivities of 5 ohm·cm and 1.2 ohm·cm, respectively, with thermal decomposition temperatures of 374 °C and 401 °C. Regarding mechanical performance and thermal stability, composites with small-sized G1 particles demonstrated superior performance due to their larger surface area and stronger matrix interactions. The PVDF/G1 (40/60 wt. %) composite achieved the highest flexural modulus (6.8 GPa), flexural strength (38.6 MPa), compressive modulus (0.28 GPa), and decomposition temperature (445 °C), highlighting its exceptional properties. These CPCs show significant promise for energy and electronic applications, particularly in the fabrication of bipolar plates for proton exchange membrane fuel cells, as well as in shielding materials and thermoelectric devices.
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) | 0,000 | 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) | 0,000 | 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 ».