MétaCan
Menu
Retour à la cohorte
Enregistrement W7117680403 · doi:10.1002/app.70269

Reuse of Yellow Phosphorus Slag Modified With Triacetoxy(viny)silane as an Additive for Epoxy Coatings

2025· article· en· W7117680403 sur OpenAlexaff
Phi Hung Dao, Dinh Hieu Vu, Thuy Chinh Nguyen, Anh Hiep Nguyen, Hoang Nghia Trinh, Thái Hoàng

Notice bibliographique

RevueJournal of Applied Polymer Science · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesVietnam Academy of Science and Technology
Mots-clésEpoxyCoatingAbrasion (mechanical)Thermal stabilityParticle sizeDispersion (optics)Dispersion stabilityCompatibility (geochemistry)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study explored the use of yellow phosphorus slag (YPS) particles as additives in epoxy resin coatings for metal protection. To improve compatibility and dispersion within the epoxy matrix, the YPS particles were surface‐modified with triacetoxy(vinyl)silane (TAVS). Characterization using FTIR, TGA, and zeta potential confirmed successful grafting of hydrolyzed TAVS onto the YPS surface. The effects of modified YPS (mYPS) content on epoxy coating performance were compared to the coatings containing unmodified YPS (uYPS). While pendulum hardness remained similar between both types, coatings with mYPS demonstrated superior adhesion and abrasion resistance, with respective increases of 25% and 20% over coatings with the uYPS. Thermal stability was also enhanced, as the onset degradation temperature for mYPS‐based coatings was 7°C higher. SEM analysis revealed improved particle dispersion and matrix compatibility in mYPS coatings, likely contributing to their enhanced performance. These results suggest that mYPS improves the mechanical and thermal properties of epoxy coatings more effectively than the uYPS. Overall, the mYPS shows promise as a functional filler material for developing high‐performance epoxy coatings in corrosion protection applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,005
Score d'incertitude au seuil0,501

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,279
Écart entre enseignants0,267 · 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.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetCorrosion Behavior and InhibitionTravaux en français237 207