Dynamics of Filler Network in the Highly Nanofilled Systems

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 416

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISPST12_644

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

Highly nanofilled systems like dental materials, tire and so on are extremely used in industries. The prediction properties of those systems are an interesting area for researches and engineers. In the highly nanofilled systems the structure of particle controls their rheological properties, so studying the structure and properties of particle structure helps to predict the properties on highly nanofilled systems. In this study, it is considered the structure of particles in highly filled systems is chain like and this chain has a viscoelastic behavior therefore the viscoelastic behavior of particle chains as function of particle size and concentration is predicted. It is found, relaxation time of particle chains related to particle concentration with power of 2 and inverse of particle size with power of 5 and relaxation modulus is related to radical of particle concentration to particle size.

کلیدواژه ها:

Filler Network- Modeling- Viscoelasticity- Highly Filled- Nanocomposites

نویسندگان

Hajir Kourki

Polymer Engineering Group, Chemical Engineering Department, Graduate University of Advanced Technology, Kerman, Iran

Mohammad Hossein Navid Famili

Polymer Engineering Department, Faculty of Chemical Engineering, Tarbiat Modares University,Tehran, Iran

Mehrzad Mortezaei

Polymer Engineering Group, Composite Science and Technology Research Center, Tehran, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Wahba, L.; D'Arienzo, M.; Dire, S.; Donetti, R.; Hanel, T.; ...
  • Yang, L.; Huang, S.; Wu, F.; Zheng, S.; Yang, W.; ...
  • Zhao, L.; Yang, H.; Song, Y.; Tan, Y.; Hu, G.- ...
  • Eberle, A. P. _ C as taieda-Priego, R.; Kim, J. ...
  • Kourki, H.; Famili, M. H. N., Powder Technology 221, 137 ...
  • Banc, A.; Genix, A.-C.; Dupas, C; Sztucki, M.; Schweins, R.; ...
  • Trappe, V.; Weitz, D. A., Physical Review Letters 85, 449 ...
  • نمایش کامل مراجع