Mechanistic insights into enhanced fire and smoke resistance in surface densified wood: a chemical-free thermophysical approach
Notice bibliographique
Résumé
Abstract Wood is a sustainable material, but its inherent flammability and smoke emissions limit its practical applications. This study proposes a thermo-physical strategy to enhance fire safety by fabricating surface densified wood (SDW). SDW were fabricated via hydrothermal pretreatment (20–80 °C) followed by thermo-densification, yielding samples with varying compression ratios (10–30 %; e.g., SDW 20 -30 %) and deformation stabilities (e.g., SDW 80 -30 %). Cone calorimetry revealed that the densified-surface-layer effectively suppressed heat and smoke release by promoting early char formation, which acted as a thermal and mass transfer barrier. SDW 20 -30 % showed 20 % and 70 % reductions in total heat release (THR) and total smoke production (TSP) within the first 360 s. Further improvements were achieved with enhanced densified-surface-layer’s stability: compared to SDW 20 -30 %, SDW 80 -30 % exhibited 32 %, 14 %, and 22 % reductions in CO yield, THR, and TSP, respectively, and delayed peak heat release rate by 73 s. Correlation analysis indicated that densified-surface-layer’s deformation stability contributed more significantly to fire hazard mitigation than densification degree. Thermal and chemical analyses confirmed increased crystallinity and compositional evolution in the densified-surface-layer, leading to improved thermal resistance. These findings demonstrate a chemical-free approach to improving wood fire safety and offer insights into the development of safer bio-based materials.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».