Tribochemical stability and friction mechanisms of graphene nanoplatelets in engine oil at elevated temperatures
Notice bibliographique
Résumé
The tribochemical behaviour and thermal stability of graphene nanoplatelets (GNPs) as boundary-lubricating additives in engine oil were investigated through steel-on-steel sliding tests from 25 °C to 120 °C. At 25 °C, GNPs had negligible effect on coefficient of friction, COF: 0.083 in oil-only vs. 0.081 in oil + GNPs). At 50 °C and 80 °C, the COF decreased significantly with GNP addition—from 0.106 to 0.077 (~27 %) and from 0.114 to 0.088 (~22 %), respectively. At 120 °C, only a modest reduction was observed (0.139 to 0.123), indicating a decline in additive effectiveness at elevated temperature. X-ray photoelectron spectroscopy (XPS) and Raman analysis showed that the tribolayer remained chemically stable up to ~80 °C, with predominant C–C/C–H bonding and limited structural disorder. At and above 80 °C, oxidation became evident, with a shift to O–C=O species and increased D and D′ band intensities. HR-TEM revealed bending and fragmentation of graphene layers embedded within an Fe₂O₃-rich tribofilm, with interlayer spacings increasing to 0.34–0.36 nm. These results indicate that GNPs reduce friction and wear by forming a carbon-rich tribolayer, but oxidation and structural degradation beginning near 80 °C limit their stability at higher temperatures. The findings provide insight into the temperature-dependent structural evolution of graphene under boundary-lubricated conditions and suggest the need for stabilization strategies to extend its high-temperature tribological performance.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».