Development of Nanocomposite-Based Strain Sensor with Piezoelectric and Piezoresistive Properties
Notice bibliographique
Résumé
Sensors provide aninterface between mechanical systems and the physical world. With the move towardsIndustry 4.0 and cyber-physical systems, demands for cost-effective sensors are rapidly increasing. Conventional sensors used for monitoring manufacturing processes are often bulky and need complex processes. In this study, a novel high-sensitive nanocomposite-based sensor is developed for measuring strain. The developed sensor is comprised of polyvinylidene fluoride (PVDF) as a piezoelectric polymer matrix, and embedded carbon nanotube (CNT) nanoparticles creating a conductive network. Exhibiting both piezoelectric and piezoresistive properties, the developed sensors are capable of strain measurement over a wide frequency band, including static and dynamic measurements. The piezoresistive and piezoelectric properties are fused to improve the overall sensitivity and frequency bandwidth of the sensor. To simulate the sensor, a 3D random walk model and a 2D finite element (FE) model are used to predict the electrical resistivity and the piezoelectric characteristics of the sensor, respectively. The developed models are verified with the experimental results. The developed nanocomposite sensors were employed for strain measurement of a cantilever beam under static load, impulse excitation, free and forced vibrations, collecting both piezoelectric and piezoresistive properties measurements. The obtained signals were fused and compared with those of a reference sensor. The results show that the sensor is capable of strain measurement in the range of 0⁻10 kHz, indicating its effectiveness at measuring both static and high frequency signals which is an important feature of the sensor.
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 ».