Effects of Fiber Modification on the Mechanical Properties of Solution-Cast Poly(vinyl chloride) Films Reinforced by Aramid Fibers
Notice bibliographique
Résumé
This study compared the effectiveness of three fiber treatment methods for reinforcing polyvinyl chloride (PVC) with aramid fibers. Two of them used phosphoric and nitric acids, respectively, the latter of which was introduced for the first time. Acid etching roughens the fiber surface for increased friction and mechanical interlocking with PVC. The third approach treated fibers with a dimethyl sulfoxide (DMSO)/potassium hydroxide (KOH) deprotonation procedure. A more streamlined procedure was introduced in this study which omitted alkyl functionalization in favor of ethanol precipitation. Deprotonation disrupts the crystalline structure in the fibers and unbundle them into aramid nanofibers (ANFs). All treatment procedures lead to substantial improvements in composite mechanical properties. Compared with phosphorous acid, treatment by nitric acid results in higher tensile strength and Young’s modulus. Composites with ANFs show highest tensile strength among all cases. Fractography reveals distinct failure mechanisms between composites with acid-treated fibers versus those with ANFs. The acid-treated fibers exhibit interfacial delamination during material failure, indicating that enhanced composite strength is mainly attributed to stronger interfacial forces. In contrast, ANFs do not carry load in the same way as the original fibers do, but their smaller dimensions allow nanoscale dispersion, which can suppress microcrack formation during deformation. Our systematic evaluation of fiber treatment options provides critical insights for tailoring fiber-matrix interactions in non-reactive thermoplastic systems, advancing the application potential of flexible PVC in load-bearing environments.
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 ».