Optimized CNT-PDMS Flexible Composite for Attachable Health-Care Device
Notice bibliographique
Résumé
The CNT-PDMS composite has been widely adopted in flexible devices due to its high elasticity, piezoresistivity, and biocompatibility. In a wide range of applications, CNT-PDMS composite sensors were used for resistive strain measurement. Accordingly, the percolation threshold 2%~4% of the CNT weight ratio in the CNT-PDMS composite was commonly selected, which is expected to achieve the optimized piezoresistive sensitivity. However, the linear range around the percolation threshold weight ratio (2%~4%) limits its application in a stable output of large strain (>20%). Therefore, comprehensive understanding of the electromechanical, mechanical, and electrical properties for the CNT-PDMS composite with different CNT weight ratios was expected. In this paper, a systematic study was conducted on the piezoresistivity, Young's modulus, conductivity, impedance, and the cross-section morphology of different CNT weight ratios (1 to 10 wt%) of the CNT-PDMS composite material. It was experimentally observed that the piezo-resistive sensitivity of CNT-PDMS negatively correlated with the increase in the CNT weight ratio. However, the electrical conductivity, Young's modulus, tensile strength, and the linear range of piezoresistive response of the CNT-PDMS composite positively correlated with the increase in CNT weight ratio. Furthermore, the mechanism of these phenomena was analyzed through the cross-section morphology of the CNT-PDMS composite material by using SEM imaging. From this analysis, a guideline was proposed for large strain (40%) measurement applications (e.g., motion monitoring of the human body of the finger, arm, foot, etc.), the CNT weight ratio 8 wt% was suggested to achieve the best piezoresistive sensitivity in the linear range.
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 ».