有机硅阻燃剂的合成及其阻燃聚碳酸酯的研究

来源 :常州大学 | 被引量 : 0次 | 上传用户:cheng_oooo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
聚碳酸酯(PC)具有优异的机械性能、良好的热稳定性和光学透明度高等特点,广泛应用于交通工具、电子电器和建筑等诸多行业。尽管PC本身可通过UL-94 V-2等级测试,但尚不能应用于对阻燃等级要求严苛的某些特定领域,因此必须对PC进行阻燃改性。本文设计合成了两种含有磷、硫的有机硅阻燃剂,并把两种有机硅阻燃剂与聚碳酸酯进行熔融共混制成阻燃复合材料。主要研究内容和结果如下:(1)通过苯基磷酰二氯和苯磺酰氯与羟烃基硅油的亲核取代反应,合成了二苯基次膦酸硅油酯(DPPSO)和二苯磺酸硅油酯(DBSSO)两种有机硅阻燃剂,并表征了两种阻燃剂的化学结构和热稳定性。(2)燃烧测试结果表明,PC/DPPSO复合材料的阻燃性能随着DPPSO含量的增加而提高,当DPPSO含量为5 wt%时PC复合材料可通过UL-94(3.0 mm)V-O级等级测试,并且极限氧指数为29.5%。锥形量热测试结果显示,DPPSO的加入能有效抑制复合材料的热释放与烟释放,同时赋予材料更高的防火安全性能。与纯PC相比较,PC/5 wt%DPPSO的热释放速率峰值和总热释放分别下降了 46.5%和13.7%。热重-红外联用和残炭元素分析结果表明DPPSO在燃烧过程中会向PC表面迁移,同时在高温下分解成含磷小分子和短链聚硅氧烷。一部分含磷小分子进一步分解成含磷自由基发挥气相阻燃作用,另一部分则留在凝聚相参与成炭,同时短链聚硅氧烷促进PC形成致密的炭层,说明DPPSO可起到凝聚相阻燃作用。力学性能结果显示,随着DPPSO和PTFE的加入,PC复合材料机械性能有所下降。其拉升强度降低较小,但断裂伸长率和缺口冲击强度下降明显。(3)燃烧测试结果表明,DBSSO可以有效提高PC的阻燃性能。单独加入2 wt%DBSSO即可使PC/DBSSO复合材料通过UL-94(3.0 mm)V-O阻燃等级测试,极限氧指数达到30.3%。锥形量热测试结果表明,DBSSO可以有效抑制PC在燃烧过程中的热量、烟雾和CO的释放并提高火灾安全性。PC/2wt%DBSSO的热释放速率峰值相较于纯PC降低了 35.2%,FGI相对于纯PC降低了 41.1%。热重-红外联用结果表明,DBSSO促进了 PC提前分解并释放出水和CO2。拉曼光谱的结果表明PC/DBSSO有比纯PC更高的石墨化程度,残炭的元素组成分析揭示了 DBSSO在凝聚相的作用机制:DBSSO在PC燃烧时会往表层迁移,促进PC表层脱水成炭,DBSSO的分解产物与参与成炭并形成交联炭层。加入DBSSO后降低了复合材料的断裂伸长率和冲击强度,但拉伸强度影响不大。
其他文献
当今世界各国对发展高效、节能、环境友好、更大容量电厂用锅炉十分重视。因此,蒸汽温度和压力参数的提高是必需解决的问题,多年来各国对于超(超)临界技术的研究持续不断,同时锅炉使用的过热器和再热器等部件需要承载高温高压和耐腐蚀性,如何提高这些关键零部件性能是材料研究工作者一直关注的热点问题。TP347HFG奥氏体耐热钢作为火电机组中许多使用部件中首先材料之一,具有极佳的抗高温氧化性能和优异的持久高温强度
以植物蛋白肉为代表的"人造肉"的开发,将对食品消费"调结构、防风险、保供应"起到一定作用。2019年5月,人造肉品牌Beyond Meat在纳斯达克登陆,被称为"人造肉第一股",迅速在全世界范围内掀起一股人造肉热潮。截至8月5日美股收盘时,其股价收报176.07美元,与发行价25美元相比,涨幅已达600%。麦当劳、肯德基等快餐巨头也纷纷与其合作,把人造肉菜品添加到门店菜单中。
期刊
当今世界我们面临着越来越严重的临床细菌感染,近些年大量耐药细菌及多重耐药细菌不断出现。细菌自发的耐药突变与抗生素的筛选及病原菌的环境适应能力,是临床耐药细菌和多重耐药细菌产生的基础。在实际生活中,最易产生细菌感染的就是伤口组织,人体皮肤是人类防御细菌入侵的第一道屏障,创伤患者由于皮肤的完整性被破坏,失去了作为屏障的功能,无法有效隔绝细菌,导致细菌获得入侵人体的快捷通道。同时,伤口遭到细菌感染,伤口
人体行为识别是人工智能领域的研究热点之一,在视频监控系统、体感游戏、自动驾驶、运动分析等领域有着重要的研究意义。论文从人体运动特征表示和模态融合等方面对人体行为识别做了深入研究。在提出多种新的运动特征表示方式的基础上,将单一模态下的行为识别扩展到多模态,并在模态融合等方面做了新的尝试。论文内容主要包括以下两个方面:(一)设计了一种基于深度时空图和多聚点子空间学习的行为识别方法。行为识别研究中被广泛
学位
学位
学位
基于惯性传感器的人类活动识别一直以来都是研究热点,近年来,随着计算机技术、微电子技术和集成电路的不断发展,传感器在体积、计算性能、制造成本取得非凡突破。因此,基于智能手机和可穿戴设备的人体复杂动作采集和识别被广泛地应用,并在健康检测、游戏娱乐、医疗康复、机器人等领域发挥着重要的作用。大多数的人类活动识别主要集中在对单个行为或者单个肢体动作的分类识别。然而,实际的人类活动有多个动作运动状态相互交替存
微塑料污染日益成为一个令人关注的话题。在水环境中,微小的塑料碎片会被微生物携带迁移进入到食物链,不知不觉中危害着人类的身体健康。微纤维是微塑料的主要形态,也是微塑料研究中的重要对象。但由于传统的识别微纤维方法需要昂贵的器材和经验丰富的专业人士,严重影响到微纤维研究的进度与成果,其次,通过人工识别微纤维的准确率大大降低。因此本课题是将深度学习应用到微纤维识别中,研究如何有效学习到微纤维特征,提高水体