Fabrication and calibration of a piezoelectric nanocomposite paint
Notice bibliographique
Résumé
Abstract A new liquid form piezoelectric nanocomposite paint material is fabricated with possible applications as dynamic strain sensors and/or piezoelectric transducers. The applied coating is in the form of low-cost paint, which is flexible and bonds strongly on a metallic surface after drying out via the solvent-casting method. The nanocomposite is produced by an ultrasonic mixture of varying percentages of zinc oxide (ZnO) nanoparticle water dispersion, poly vinyl acetate glue (PVA) and carbon nanotubes (CNTs). ZnO nanoparticles are used as the piezoelectric sensing elements in a PVA matrix of the paint, while CNTs are introduced as robust bridge of ZnO particles enhancing the piezoelectricity and material properties. Transmission electron microscopy (TEM) images confirmed the linkages of ZnO nanoparticles in the composite by CNTs. Through piezoelectricity calibration, the optimum mixing ratio with the highest piezoelectricity is 78.1 wt% ZnO, 19.5 wt% PVA glue and 2.4 wt% multi-wall carbon nanotubes (MWCNTs). Through nanoindentation tests for the characterization of the mechanical properties of the nano-composite paint, it is found that Young’s modulus and hardness reached a threshold point in the increment in the addition of CNTs to the paint before showing signs of decline. Detailed analysis and explanation of the calibration results and physical phenomenon are provided. The stable paint material is ready to be applied on rough area of engineering structures as sensor and transducer.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».