Multifunctional Textile Electronic with Sensing, Energy Storing, and Electrothermal Heating Capabilities
Notice bibliographique
Résumé
The development of wearable devices has stimulated significant engineering and technologies of textile electronics (TEs). Improving sensing, energy-storing, and electro-heating capabilities of TEs is still challenging but crucial for their practical applications. Herein, a drip-coating method that constructs a dense β-FeOOH scaffold on a nylon strip for enhancing polypyrrole loading is proposed, which facilitates the fabrication of highly conductive and hydrophobic PFCNS (polypyrrole/β-FeOOH/nylon strip). The space provided by the β-FeOOH scaffold increases the mass of polypyrrole on fibers from 1.1 (polypyrrole/nylon strip) to 3.0 mg cm–2 (polypyrrole/β-FeOOH/nylon strip), which decreases the resistance from 104.96 to 34.29 Ω cm–1. The PFCNS exhibits a linear elastic modulus of 0.758 MPa within 150% strain, performs a unique resistance variation mechanism, and enables great sensing capability with rapid response time (140 ms), long durability (10,000 stretching-recovering), and effective movement monitoring (e.g., breathing, back bending, jumping). The sensing signals for knee bending have been analyzed in detail by combining with both stretching and pressing response mechanisms. The PFCNS electrode attains a diffusion-controlled capacitance of 574 mF cm–2 and discharging-capacitance of 916 mF cm–2. Furthermore, an interdigitally parallel connection is proposed, which assists the PFCNS heater in achieving high temperature (84 °C) at a low voltage (4 V). This work provides a simple route for nylon-based TEs and promises satisfactory application in wearable sensors, power sources, and heaters.
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 ».