3D printing LDPE/lunar regolith simulant composite: manufacturing with in-situ resources on the moon
Notice bibliographique
Résumé
Additive manufacturing is essential for space missions, enabling on-demand production of components where resupply from Earth is limited. Fused deposition modeling (FDM) offers a promising route for repurposing plastic packaging waste into 3D printing feedstock. Low-density polyethylene (LDPE), commonly used in space packaging, can be combined with lunar regolith simulant to increase material availability for in-situ resource utilization (ISRU). However, the method of incorporating regolith into the polymer matrix affects filament quality and printability. Here, we compare single-screw and twin-screw extrusion techniques for producing LDPE/regolith composite filaments containing up to 30 wt% regolith. Both methods successfully produced filaments suitable for FDM, though single-screw extrusion required a second extrusion step above 10 wt% regolith. Filaments were evaluated for diameter consistency and printability, including the successful fabrication of NASA-designed parts. Regolith addition enhances print performance by improving overhang formation, gap bridging, and reducing warpage. Tensile testing shows increased stiffness without compromising strength up to 20 wt% regolith. These results demonstrate that LDPE and lunar regolith can be effectively processed into printable feedstock, supporting sustainable manufacturing strategies for lunar applications and advancing terrestrial plastic waste recycling. • LDPE/regolith composite filaments with up to 30 wt% regolith. • Supports ISRU feedstock production for sustainable lunar manufacturing. • Comparison of single- and twin-screw extrusion for space composites. • Regolith improves printability: better overhangs, bridging, and reduced warpage.
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 | 0,001 |
| 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 ».