Organo-titanates and zirconates coupling agents in polymer composites: A review
Notice bibliographique
Résumé
Organometallic coupling agents play a crucial role in polymer blends and composites by enhancing the compatibility between different polymers or improving interfacial adhesion between polymers and reinforcement agents or fillers. These agents facilitate chemical bonding, improving mechanical properties, dispersibility, and moisture resistance. While conventional coupling agents, such as silanes, are widely used across various applications, they present limitations, including susceptibility to hydrolytic degradation in aqueous environments and reduced bonding efficiency with non-silica or non-hydroxyl-bearing compounds. This poses challenges in developing composites with long-term hydrolytic stability, a key objective in polymer materials research. Hence, pursuing hydrolytically stable composites remains critical in polymer materials research. In contrast, organometallic compounds such as titanate coupling agents improve the bonding between inorganic materials—such as carbon, graphite, calcium carbonate (CaCO 3 ), hydroxyapatite, and metal oxides—and polymer matrices. While the effect of these coupling agents on the physical and mechanical properties of dental prostheses have been thoroughly reviewed, few attempts have addressed these coupling agents’ applications in polymer compounds/composites. This paper aims to review the application of organometallic compounds such as titanate and zirconate coupling agents in polymer blends and composites to highlight and identify gaps in the earlier research work and provide resourceful data for future research. The review offers insights and valuable data to advance the knowledge of polymer composites, particularly in tailoring an enhanced interfacial bonding for long-term performance under harsh environmental conditions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».