Thermo-Mechanical Characterization of Gypsum–Nano Silica Modified Fired Clay Bricks at Elevated Temperatures
Notice bibliographique
Résumé
The current research aims to develop fired clay bricks with gypsum and nanosilica from rice straw as additives to improve the thermomechanical properties of conventional clay bricks.Laboratory-based clay brick samples were prepared by adding commercial gypsum (G) at 0% and 5%, nanosilica (S) prepared from rice straw waste materials at 0%, 5%, and 10% proportions, and firing at temperatures of 900, 1000, and 1100.The mineral and phase transformations of prepared nanosilica and brick samples were investigated using X-ray diffraction (XRD), X-ray fluorescence (XRF), thermogravimetric analysis-derivative differential thermal analysis (TGA-drDTA), and scanning electron microscopy with energy-dispersive X-ray spectroscopy (SEM-EDS) techniques.Properties were compared to those of conventional bricks that did not contain additives.Synthesized nanosilica was found to be 127 nm and suitable as an additive.The results of the fireclay bricks with gypsum and nanosilica additives indicate that increasing the silicate polymerization and glaze phase formation from 25% to 45% reduces the microcracking density from 4.4 to 2.8 cracks/mm at 1100, with a composition of G5%-S10%.Reduce compressive strength (from 35 to 12.8 MPa), water absorption capacity (18.6 to 13.6%), and thermal conductivity (0.28-0.76 W/m.K) to meet ASTM requirements.Finally, it was concluded that the addition of gypsum and nanosilica additive improves the thermochemical stability and mechanical properties of fired clay bricks, making them suitable for energy-efficient and fire-safe construction materials.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».