MétaCan
Menu
Retour à la cohorte
Enregistrement W6979845355

Amélioration des propriétés des résines thermodurcissables utilisées dans les barres de polymère renforcé de fibres (PRF) par incorporation de nanoparticules de carbone

2024· dissertation· fr· W6979845355 sur OpenAlexfundno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2024
Typedissertation
Languefr
DomaineEngineering
ThématiqueFiber-reinforced polymer composites
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNanocompositeAgrégationSugar industry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La modification de la matrice polymère par des nanoparticules est une approche prometteuse pour améliorer les performances des barres composites en polymère renforcé de fibres (PRF). Les nanomatériaux de carbone tels que le nanoplate de graphène (NPG), l'oxyde de graphène (GO) et les nanotubes de carbone (NTC), en raison de leurs propriétés mécaniques exceptionnelles et de leur surface élevée, peuvent être d'excellents candidats pour améliorer les performances des barres de PRF. Ce travail de recherche vise à trouver des approches faciles, écologiques et pratiques pour une exfoliation et une distribution appropriées des nanoparticules de carbone dans les matrices polymères utilisées en génie civil. La première partie du projet s'est concentrée sur le développement d'une approche écologique pour la préparation de graphène dispersé dans la résine vinylester. Le graphène a été exfolié dans un nouveau système de solvant binaire composé d'un mélange d'eau et d'éthanol. L'eau et l'éthanol sont considérés comme de mauvais solvants pour le graphène, mais une combinaison des deux peut par contre constituer un mélange de solvants idéal. L'étude de la microstructure des nanocomposites a révélé des feuilles de graphène bien exfoliées avec quelques rides. La deuxième partie du projet comprend l'étude des caractéristiques de dispersion des nanocomposites de résine époxy renforcés par des NTC, du graphène et du GO. Jusqu'à présent, il n'y a pas eu d'étude systématique de l’effet des variations de structure des nanocharges et de leurs influences sur les caractéristiques de dispersion, ce traduisant par des modifications des propriétés mécaniques et de la durabilité des nanocomposites. En incorporant 0.4 % en poids de NTC, de NPG et de GO dans une résine époxy, la résistance à la traction a augmenté d'environ 28, 32 et 49 %, respectivement. L'analyse de la fractographie a révélé que les surfaces de rupture lisses de la résine pure se transformaient en structures de surface très rugueuses pour les nanocomposites. La déviation et l'ouverture des fissures ont été les principaux mécanismes de renforcement. Dans la troisième et dernière partie du projet, le traitement in situ a été utilisé pour obtenir des nanocomposites époxy de haute performance avec une faible incorporation de GO. L'approche a consisté à utiliser les traitements à ultrasons et à agiter les nanoparticules de GO dans la matrice, éliminant ainsi le besoin de solvants organiques et de surfactants. Les résultats des essais de traction ont montré qu'en chargeant avec seulement 0.6 % en poids de GO dans la résine époxy, le module de Young, la résistance à la traction et la ténacité s’améliorent respectivement de 38 %, 46 % et 143 %. Les analyses FTIR ont montré que l'agent de durcissement a probablement été greffé à la surface du GO au cours des processus de dispersion. Les résultats de cette étude ont démontré plusieurs avantages techniques liés à l'utilisation de méthodes pratiques et durables pour la dispersion de nanoparticules à base de carbone dans des matrices polymères utilisées en génie civil.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetFiber-reinforced polymer compositesTravaux en français237 207