A comparison of LLDPE-based nanocomposites containing multi-walled carbon nanotubes and graphene
Notice bibliographique
Résumé
Composites of linear-low density polyethylene (LLDPE) with multi-walled carbon nanotubes (MWCNT) and thermally reduced graphene (TRGO) were produced by melt compounding. The composites were compatibilized by grafting aromatic pyridine groups onto the LLDPE backbone. The aromatic moieties established non-covalent π-π interactions with the carbon nanostructures, thus allowing for efficient dispersion, without compromizing their electrical properties. By using identical matrices, it was possible to investigate the effects of filler geometry on the electrical, mechanical and rheological properties of the composites. The 1-D nature and smaller surface area of the MWCNT facilitated their dispersion within the polymer matrix, whereas the graphene agglomerates appeared to breakup through an erosion mechanism. The resulting mixture of aggregates and individual graphene platelets favored lower electrical and rheological percolation thresholds. However the maximum electrical conductivity achieved in the TRGO/LLDPE was lower by about an order of magnitude compared to the MWCNT/LLDPE composites, probably due to residual oxygen in the graphene's structure. TRGO based composites presented higher moduli at the same filler loadings, while elongations at break were comparable. All composites exhibited time-dependent rheological properties, indicative of their tendency to aggregate. A more pronounced increase in viscoelastic properties was noted in the composites containing TRGO, presumably due to the higher surface area of the graphene platelets, and the presence of larger aggregates.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».