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 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 ».