Mechanical properties of polymer-derived ceramics modified by active nanoparticles
Notice bibliographique
Résumé
<p>Polymer-derived ceramics (PDCs) address the shaping limitations of traditional ceramic processing techniques and result in near-net-shape manufacturing of ceramics with complex geometries. One of the major limitations of PDCs is their brittleness. Four different types of nanoparticles were evaluated as fillers to improve the mechanical properties of a commercial PDC, polysilazane (PSZ). Different concentrations of either active fillers (silicon nitride and alumina nano-particle) or passive fillers (boron nitride nanotubes and carbon nanotubes) were added to the PSZ, which was subsequently thermally cross-linked and pyrolyzed under hydrostatic pressure. Nano/micro indentation measurements show that adding silicon nitride nano-powders improves the fracture toughness of the PDCs up to ~ 3 times and adding alumina nano-powders improves the modulus and hardness of the PDCs up to ~ 1.5 and 2.6 times, respectively. The ceramics made with sufficient concentration of active fillers have clearly lower void content than unfilled PSZ, which is attributed to the reaction of these nanoparticles with pyrolysis by-products. Addition of nanotubes, which are passive fillers not expected to react, leads to some mechanical improvement but not the increased density or decreased instance of voids that was achieved with the active fillers. The ceramics developed in this study show interesting combinations of properties and can easily take different shapes. Therefore, they are of interest in protective armor, propulsion, thermal protection, device packaging and bio-material systems.</p>
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 ».