Development of PVDF nanocomposite with single-walled carbon nanotubes (SWCNT) and boron nitride nanotubes (BNNT) for soft morphing actuator
Notice bibliographique
Résumé
Abstract Soft morphing actuators can deliver a range of displacements whilst being flexible and lightweight, making them advantageous over traditional mechanical actuators. Piezoelectric polymer polyvinylidene fluoride (PVDF) is combined with nanofillers to achieve superior soft actuator with the nanocomposite than with solely the polymer. This paper investigates and compares the distinctive effects of 1D nanofillers: single-walled carbon nanotubes (SWCNTs) and boron nitride nanotubes (BNNTs), through the promotion of crystal structures and polar β crystals of PVDF, and consequently its actuation ability. Results showed that 80 µ m thick 2 wt.% SWCNT/PVDF clamped at both ends with a 10 mm span achieved a high deflection per applied electric field of 414 µ m (V mm −1 ) −1 and deflection of 570 µ m. This was due to a combination of fabrication method, physical geometry, and large surface area of SWCNTs leading to enhanced degree of crystallinity, β crystals, dielectric constant, and conductivity. The increase in both overall crystal formation and targeted β crystals lead to a high total β crystal content of 35%, and the conductivity lead to a low applied electric field of 1.3 V mm −1 . BNNT/PVDF was able to undergo electric poling due to its insulating nature. BNNT/PVDF achieved a deflection magnitude per applied electric field of 2.9 µ m (V mm −1 ) −1 , due to a much higher electric field (90–150 V mm −1 ). This corresponded to a deflection magnitude of 260 µ m, which was a 520% increase from only stretched BNNT/PVDF samples. Both nanocomposites displayed large scale actuation that is greater than the 70 µ m deflection (0.9 µ m (V mm −1 ) −1 ) observed for pure PVDF of same geometry and setup.
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) | 0,001 | 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 ».