MétaCan
Menu
Retour à la cohorte
Enregistrement W7017396027

Aspects of the melt spinning of fibres from carbon nanotube- nylon nanocomposites

2012· dissertation· en· W7017396027 sur OpenAlexfundno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2012
Typedissertation
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésCompoundingMelt spinningCarbon nanotubeUltimate tensile strengthPolyamideRheologyRheometerThermoplasticViscosity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Carbon nanotubes (CNT) have experienced growing popularity in the past two decades.The field of advanced composite materials has developed quite an interest in using them for high performance applications, such as into thermoplastic fibres.However, a review of the literature showed that there was a lack of understanding between the rheological behavior of CNT-filled polymer and the processability of such materials through melt spinning.In this work, a methodology to incorporate carbon nanotubes (CNT) into thermoplastic fibres and to relate mechanical properties, fibre quality and viscosity was developed.Multi-walled nanotubes (MWNT) were combined into a polyamide 12 (PA12) matrix through melt compounding and twin-screw extrusion.Pellets containing 0 wt%, 0.5 wt%, 1.0 wt%, 2.0 wt%, 5.0 wt% and 10.0 wt% MWNT were produced.Their rheological behaviour was investigated and spinnability and processability criteria were developed based on the loss factor (tan ) and the relative viscosity.They both predicted that masterbatches containing more than 2.0 wt% CNT would be unsuitable for the production of high quality MWNT/PA12 fibres.The pellets were subsequently melt spun with a capillary rheometer at winding speeds of 41 m/min and 152 m/min.The tensile properties of as-spun filaments were measured with a micro-tensile testing machine.The results showed that the maximum Young's modulus was reached between 0 wt% and 1.0 wt% CNT, exhibiting an increase of 17%.Morphological observations revealed that there was a link between the decrease of elastic modulus and loss of surface quality for filaments containing more than 1.0 wt% MWNT.To further improve the fibres' mechanical properties, post-drawing parameters were systematically investigated: temperature, drawing speed and elongation.The best improvements in terms of elastic modulus and tensile stress were measured for the following post-drawing conditions: 140 o C and 500% elongation, regardless of drawing speed.The elastic modulus (E) and tensile stress ( 0 ) values of MWNT/PA12 fibres were improved by at least 300% after post-drawing.Compared to pure PA12 fibres post-drawn under the same conditions, E increased by up to 45% and  0 by up to 62%, for fibres containing 5.0 wt% MWNT.It was confirmed through electron microscopy comparées aux fibres pures de PA12 étirées selon les mêmes conditions.Il a été confirmé par microscopie électronique et diffraction aux rayons X que ces gains ont été causés par la distribution plus uniforme des nanotubes, l'amélioration du fini de surface et l'alignement des chaînes de polymère le long des fibres, contrôlés par la temperature et l'élongation.Le contrôle des propriétés mécaniques avec les paramètres de post-étirement démontre que cette méthode s'avère fort prometteuse pour confectionner des fibres selon des applications spécifiques.v ACKNOWLEDGEMENTS Je voudrais tout d'abord offrir mes remerciements les plus sincères à mes superviseurs, Professeur Pascal Hubert et Dr David Trudel-Boucher.Leurs précieux conseils et leurs perspectives de recherche différentes m'ont amenée à élargir mes horizons dans ma façon d'approcher les problèmes.Leur porte était toujours ouverte et leur attitude positive face à la recherche scientifique était grandement bienvenue lorsque les choses n'allaient pas comme prévu, tel qu'il est souvent le cas avec les nanocomposites.J'aimerais également remercier les personnes suivantes pour leur aide et assistance durant mes travaux à l'IMI:

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,234
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetCarbon Nanotubes in CompositesTravaux en français237 207