Thermoset-natural fiber composites using nanocomposites for mass transit applications
Notice bibliographique
Résumé
Mass transit vehicle weight has grown significantly over the last 20 years penalizing the road infrastructure, fuel consumption and environmental signature. Increased use of lightweight, high-strength and new sustainable composites for mass transit vehicle components is a promising avenue to explore since weight reduction is one of the few ways Canadian mass transit vehicle manufacturers can influence fuel consumption and hence help reduce greenhouse gases emissions. Weight saving opportunities could possibly be obtained by the use of natural fiber and hybrid composites as compared to “traditional” glass fiber based composites. The use of nanocomposites to improve the property of resins without any significant increase in density could also be a possible avenue to obtain the high performance composite with weight saving. In this paper, the role of nanoparticles on the performance improvement of natural fibers thermoset composites was investigated. Different nanoparticles such as Cloisite Na+, 10A, 20A and 30B, Perkalite G100, Nanocryl C140 were first dispersed in a thermoset resin before performing the impregnation of the natural fiber fabric. Natural fiber composites were prepared by hand lay-up followed by a vacuum step and by infusion. The quality of dispersion and intercalation/exfoliation was analyzed by X-ray diffraction (XRD), field emission gun scanning electron microscopy (FEGSEM) and transmission electron microscopy (TEM). Mechanical performance and fire resistance of nanoreinforced thermoset resin and natural fiber composites were also evaluated. The results obtained demonstrate that the presence of nanoparticles can improve the the tensile strength, tensile modulus and fire resistance performance of the resin and of the natural fiber composites. The levels of improvement of the properties were seen to vary with the type of nanoparticles used.
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 ».