Self-Similar Superhydrophobic Whisker-Based Coatings with High Impact and Abrasion Resistance
Notice bibliographique
Résumé
Spray-on fabrication of superhydrophobic (SH) coatings using nanoparticles (NPs) has broad applications, but their mechanical durability often falls short of practical requirements. In this work, we demonstrate that mixing NPs with well-dispersed SiC whiskers (SiCw) can significantly improve the SH stability and mechanical durability of sprayed coatings, even under complex and harsh impact/abrasion conditions (such as sandblasting), which is attributed to the formation of a fully connected, avian nest-like, self-similar SiCw framework via the random packing of whiskers during coating drying. The resulting coating exhibits exceptional abrasion resistance, enduring 1,000 dry and 900 wet cycles in Taber abrasion tests (CS-17 wheels), and shows negligible degradation after impact testing at 3.12 × 10 6 J·m –2 . It is further shown that achieving high dispersity of the whiskers is critical to the coating’s preservation of microstructural roughness against various environmental impacts. The whisker-based coatings demonstrate excellent contact time reduction, icing delay, and self-cleaning capabilities on a variety of substrates, including textiles and power line strands. At −15 °C and 67% RH, the well-dispersed coating delays icing by 1,442 s─over 300 s longer than its poorly dispersed counterpart. This work presents a green spray-on strategy to produce durable SH coatings without complicating the fabrication process, offering persistent superhydrophobicity for real-world applications.
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 ».