Additive manufacturing of a super toughened biodegradable polymer blend: Structure-property-processing correlation and 3D printed prosthetic part development
Notice bibliographique
Résumé
Super toughened polymer materials have garnered significant attention from the scientific and industrial communities due to their vast application potential. However, a notable gap exists in the exploration of additive manufacturing (AM) of biodegradable polymer blends with enhanced impact resistance. This research addresses this gap by investigating the AM of a resilient green blend comprising PLA, BioPBS, and PBAT to achieve an enhanced impact resistance. To characterize the blend, rheological analysis, differential scanning calorimetry, thermomechanical analysis, and mechanical testing were performed. The printing parameters varied were the nozzle temperature, infill density, top and bottom solid layer raster angles, and infill pattern. This study is the first attempt to investigate the impact of the raster angle of top and bottom solid layers, which is important for determining the structural integrity of printed objects. The study revealed that a nozzle temperature of 180 °C, a rectilinear infill pattern, 100% infill density, and solid layers raster angle of 0° resulted in high mechanical properties with a notched Izod impact strength of 489.75 ± 16.6 J/m. Additionally, the study compared the mechanical properties of 3D printed and injection-molded samples. The 3D printed samples demonstrated comparable tensile strength to injection-molded samples, with only a 2% difference, and exhibited higher tensile and flexural moduli, showcasing 8 and 10% increases, respectively. However, there was a 10% decrease in impact strength compared to that of the injection-molded counterparts. These findings indicate that the 3D printed blend offers mechanical properties comparable to injection molding, making it a promising alternative for biomedical applications. A 3D printed leg prosthesis prototype has been developed using the formulated blend at optimized printing conditions.
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) | 0,001 | 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 ».