Superhydrophobic bulk ternary and quaternary silicone rubber nanocomposites: An Insight into material selection and performance evaluation
Notice bibliographique
Résumé
We developed free-standing superhydrophobic bulk materials without the need for additional surface treatments, demonstrating their potential for commercial applications. The non-wetting properties of the nanocomposites were influenced by various factors, particularly the type, size, and concentration of the embedded particles. A synergic combination of surface roughness and the low surface energy of silicone rubber imparted superhydrophobicy throughout the entire material. To verify consistent bulk water repellency across the bulk, regardless of the incorporated particles, the water contact angle (CA) and contact angle hysteresis (CAH) were measured on both the surface and cross-section of the nanocomposites. To assess suitability for electrical insulation application, thermal properties were evaluated using TGA, while electrical performance was characterized through measurement of dielectric permittivity (Ɛˊ), dielectric loss (tan δ), and dry flashover voltage. Icephobicity was examined by measuring both the delay time for the onset of water droplet freezing on the surface and the force required to dislodge a column of ice from the surface. Mechanochemical durability of the produced materials were studied by various means to ensure the long-term performance of the nanocomposites. Finally, to support efficient material selection, radar diagrams were employed to compare the performance of each developed nanocomposite across all evaluation criteria.
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 | 0,001 | 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 ».