[发明专利]湿法双拉高强韧含油复合隔膜在审
申请号: | 202210013485.2 | 申请日: | 2022-01-04 |
公开(公告)号: | CN114552127A | 公开(公告)日: | 2022-05-27 |
发明(设计)人: | 李鑫;顾阳光;吉学文 | 申请(专利权)人: | 李鑫 |
主分类号: | H01M50/449 | 分类号: | H01M50/449;H01M50/494;H01M50/417;H01M10/0525;H01M10/054 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100101 北京市朝*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 湿法 拉高 强韧 含油 复合 隔膜 | ||
1.湿法双拉高强韧含油复合隔膜,其特征在于,含油复合隔膜包括(A)/(B)两层,MD/TD方向均具有高强韧特性的湿法双拉PE基含油膜作为(A)层,MD/TD方向均具有高拉伸强度的湿法双拉PP基含油膜作为(B)层;与聚乙烯PE和聚丙烯PP在160至200℃高温下具有热力学相容性的酯类相容剂(HS)作为“油”相弥散分布在双向热拉伸强化后的聚乙烯PE和聚丙烯PP为主体的三维网络微纤组织骨架中,在含油复合隔膜中的残余重量百分比介于15%至35%;含油复合隔膜对电解液的悬浮吸液率大于12%;(A)层和(B)层的含油膜均采用热致相分离法铸片组合双向热拉伸强化工艺制造;酯类相容剂(HS)采用碳酸乙烯酯EC和癸二酸二辛酯DOS的组合物,碳酸乙烯酯EC占两种酯类溶剂总和的重量百分比介于40%至80%;含油复合隔膜的总厚度介于12至28um,含油复合隔膜在厚度方向的穿刺强度与总厚度的比值大于40gf/um,纵向MD拉伸强度大于150MPa,纵向MD断裂伸长率大于100%,横向TD拉伸强度大于130MPa,横向TD断裂伸长率大于120%。
2.根据权利要求1所述的湿法双拉高强韧含油复合隔膜,其特征在于,湿法双拉PE基含油膜(A)层主要采用以下原料:(1)熔融指数MFR(190℃/2.16kg)小于1g/10min,熔融峰值温度Tm介于131至143℃的高密度聚乙烯均聚物和/或高密度聚乙烯共聚物的一种或者多种的组合物HDPE-1,W1重量份;(2)熔融指数MFR(190℃/2.16kg)小于0.1g/10min,重均分子量介于130万至200万,熔融峰值温度Tm介于135至143℃的超高分子量高密度聚乙烯UHMWPE,W2重量份,W2=(0.15至0.45)*W1;(3)酯类相容剂(HS),W3重量份,W3占含油基膜(A)层原料的重量百分比为介于30%至40%;(4)热塑性弹性体TPE,W4重量份,W4=(0至0.45)*(W1),热塑性弹性体TPE原料采用乙烯-丙烯或者乙烯-辛烯或者乙烯-己烯为主的嵌段共聚物,其主要技术特征如下:熔融指数MFR小于2g/10min(190℃/2.16kg),熔融峰值温度Tm介于119至129℃,21℃压缩形变小于等于25%,玻璃化转变温度Tg低于-55℃;(5)抗氧化剂采用经典的聚烯烃用抗氧化剂BHT,1076,168的一种或者其组合物,W5重量份,W5占(A)层原料的百分比为介于0.10%至0.20%;湿法双拉PE基含油膜(A)层的制造方法主要包括:(1).以上主要原料在160至200℃温度下混炼均匀成热力学溶液;(2).高温熔体经平模头挤出后,采用无油析出型的高温铸片工艺进行冷却,结晶及热致相分离;(3).对含油片材在100至115℃区间预热后进行小纵拉,纵拉比(MDPE1)介于2.5至3.5倍;(4).小纵拉后的含油片材继续在105至120℃区间进行同步双向拉伸,同步双拉的纵拉比(MDPE2)介于3至4倍,横拉比(TD1)介于6至10倍;合计纵拉比(MDPE1)*(MDPE2)介于7至10倍;(5)对双拉后的PE含油基膜在110至125℃区间进行去应力热定型处理,冷却后得到MD/TD方向均具有高强韧特性的湿法双拉PE基含油膜(A)层;湿法双拉PE基含油膜的厚度介于6至20um,穿刺强度/厚度的比值大于45gf/um,纵向MD拉伸强度大于165MPa,纵向MD断裂伸长率大于110%,横向TD拉伸强度大于145MPa,横向TD断裂伸长率大于125%。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于李鑫,未经李鑫许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210013485.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种油菜专用飞播装置
- 下一篇:基于血清miRNA的胰腺癌诊断的机器学习系统